如何计算列名中具有相似模式的不同数据框中的列之间的差异？

Question

我想计算两个数据框中的列之间的差异。数据框具有不同的总列数，并且数据框之间的列名称具有相似的模式。我想计算名称相似的列之间的差异。

我会很感激一些关于如何开始考虑在 R 或一些示例代码中执行此操作的提示。

以下是数据框的示例：

DF1

w_H_11_XA    w_H_13_XA    w_H_16_XA    w_13_03_XA    w_13_12_XA
10           12          1                8           12
11           11          8                6           19

DF2

w_H_11_BA    w_H_16_BA     w_13_12_BA
8            1            10
9            4            9

因此，这两个数据集都有“共同”列 w_H_11*、w_H_16* 和 w_13_12*，这意味着它们在列名中具有相似的模式。我想生成一个数据集，它只获取相似匹配列之间的差异。像这样：

w_H_11    w_H_16    w_13_12
2          0         2
2          4         10

我考虑过合并数据框并按名称顺序排列列；但是，我不确定如何自动计算差异。实际的数据集有几百列。

如果有任何反馈，我们将不胜感激。

Answer 1

如果两个名字的区别只是最后一个字符，那么我们可以使用adist

 a = which(adist(names(DF1),names(DF2))==1,T) 
 result = DF1[,a[,1]]-DF2[,a[,2]]
 setNames(result,sub("_[A-Z]$",'',names(result)))
  w_H_11 w_H_16 w_13_12
1      2      0       2
2      2      4      10

使用更新后的表格，我们似乎删除了所有字母，因此您可以这样做：

a = which(do.call(adist,lapply(list(names(DF1),names(DF2)),sub,pat="_[^_]*$",rep=""))==0,T) 剩下的就剩下了

Answer 2

一个选项是从列名中删除后缀部分，然后执行 intersect 并使用它来子集 data.frame 的列并获取差异

nm1 <- sub("_[A-Z]$", "", names(DF1))
nm2 <- sub("_[A-Z]$", "", names(DF2))
nm3 <- intersect(nm1, nm2)
nm4 <- paste(nm3, collapse="|")
out <- DF1[grep(nm4, names(DF1))] - DF2[grep(nm4, names(DF2))]
names(out) <- sub("_[A-Z]$", "", names(out))
out
#  w_H_11 w_H_16 w_13_12
#1      2      0       2
#2      2      4      10

数据

DF1 <- structure(list(w_H_11_A = 10:11, w_H_13_A = 12:11, w_H_16_A = c(1L, 
8L), w_13_03_A = c(8L, 6L), w_13_12_A = c(12L, 19L)), class = "data.frame",
row.names = c(NA, 
-2L))

DF2 <- structure(list(w_H_11_B = 8:9, w_H_16_B = c(1L, 4L), 
    w_13_12_B = 10:9), class = "data.frame", row.names = c(NA, 
-2L))