如何获取满足正则表达式条件的 data.table 中的行名称？

Question

假设我有一个 data.table 如下：

data=data.table(dates=c('04 SEPTEMBER 2018', '05 APR 2018', '7/10/2018'), DT = c('21/07/2010', '3 04 2018', '16 DEC 2018'), amounts = c(21,37,49))

我想要 data.table 中满足以下 grep 条件的行的名称

grepl("^[0-9]{2}\\s[A-Z]{3}\\s[0-9]{4}",x) 

这样我就可以找到日期满足特定日期格式的行。如您所见，dates 和 DT 两列都包含日期格式。我不想引用代码中的特定列。我只想选择包含与上述 grep 模式匹配的字符的行。

我希望正确的代码返回c(2,3)，因为这些行包含所需的字符串。我怎样才能得到我期望的答案？

Answer 1

使用lapply() 确定哪些列与正则表达式匹配。由于lapply() 输出的是一个列表，所以使用Reduce(`|`, ...) 来验证每行是否至少有一个列满足regexpr 条件：

data[
  data[, Reduce(`|`, lapply(.SD, function(x) grepl("^[0-9]{2}\\s[A-Z]{3}\\s[0-9]{4}",x)))], 
  ]

结果：

> data[
+   data[, Reduce(`|`, lapply(.SD, function(x) grepl("^[0-9]{2}\\s[A-Z]{3}\\s[0-9]{4}",x)))], 
+   ]
         dates amounts
1: 05 APR 2018      37
2: 16 DEC 2018      49

更新

获取匹配的行的索引（对于任何列）：使用sapply() 获取一个矩阵，其中包含指示匹配是否成功的单元格。然后使用rowSums(...) > 0 将其合并为一个值为TRUE（行中至少有一个单元格匹配成功）或FALSE（根本没有匹配）的向量。将其全部包裹在 which() 中以显示行索引。

结果：

> which(rowSums(sapply(data,function(x) grepl("^[0-9]{2}\\s[A-Z]{3}\\s[0-9]{4}",x))) > 0)
[1] 2 3

Answer 2

另一种 data.table 方法：

ans <- melt( transpose(data), 
             id.vars = NULL, 
             measure.vars = patterns("^V"), 
             variable.name = "row" )
ans <- ans[ grepl("^[0-9]{2}\\s[A-Z]{3}\\s[0-9]{4}", value), ]
ans[, row := gsub("V", "", row)]

    row       value
 1:   2 05 APR 2018
 2:   3 16 DEC 2018

更新

data[ seq.int(.N) %in% ans$row, ]

          dates          DT amounts
 1: 05 APR 2018   3 04 2018      37
 2:   7/10/2018 16 DEC 2018      49