使用数据表中的正则表达式 grep 名称答案

【问题标题】：grep names using regex from data table使用数据表中的正则表达式 grep 名称
【发布时间】：2018-09-19 11:50:07
【问题描述】：

如何使用正则表达式模式从 R 数据表中 grep 列。

我需要提取具有字符串 "nbr[0-9]_"* 的列，例如 nbr1_L 或 nbr6_L

   names<- c("nbr4","nbr4_L",   "nbr5"  ,"nbr6_L",  "nbr7_L"    ,"nbr4_L"   ,"nbr4_L")
    dt<- data.table(cbind("aa","bb","cc","dd","ff","gg","hh"))
    setnames(dt,names)

我在下面尝试过

dt[, .SD, .SDcols =  names(dt) %like% "nbr*_*"]

grep('^nbr\\d+\\_\\*$', names(dt), value=TRUE)

【问题讨论】：

grep("^nbr[[:digit:]]{1}_.$", names(dt), value=TRUE).

标签： r regex data.table

【解决方案1】：

这是使用%like% 的一种方法：

> idx <- names(dt) %like% '^nbr\\d+_.*'
> dt[, ..idx]
   nbr4_L nbr6_L nbr7_L nbr4_L nbr4_L
1:     bb     dd     ff     gg     hh

【讨论】：

【解决方案2】：

没有 data.table 效果更好：

dt <- as.data.frame(dt)
dt[,grep("nbr[0-9]_",colnames(dt))]
#  nbr4_L nbr6_L nbr7_L nbr4_L.1 nbr4_L.2
#1     bb     dd     ff       gg       hh

【讨论】：

【解决方案3】：

如果您想 grep "nbr" 后跟一个数字，后跟一个下划线，后跟一个字符，那么试试这个：

grep("^nbr[[:digit:]]{1}_.$", names(dt), value = TRUE)
#[1] "nbr4_L" "nbr6_L" "nbr7_L" "nbr4_L" "nbr4_L"

因此，要对 data.table 进行子集化

i <- grep("^nbr[[:digit:]]{1}_.$", names(dt), value = TRUE)
dt[, ..i]
#   nbr4_L nbr6_L nbr7_L nbr4_L nbr4_L
#1:     bb     dd     ff     bb     bb

请注意，您实际上并不需要参数value = TRUE：

j <- grep("^nbr[[:digit:]]{1}_.$", names(dt))
dt[, ..j]
#   nbr4_L nbr6_L nbr7_L nbr4_L nbr4_L
#1:     bb     dd     ff     gg     hh

【讨论】：

您可以省略{1}，因为默认情况下[[:digit:]] 将只匹配一位数字。

【解决方案4】：

我认为@mt1022 有一个出色、优雅的解决方案。

但为了帮助 OP，@Omer，进一步，我只想指出您尝试使用 .SD, .SDcols 几乎成功了！

您当然可以使用该方法 - 您的正则表达式模式只需要更正。例如。如果您所追求的只是列名中的单个数字，这将起作用：

dt[, .SD, .SDcols =  names(dt) %like% "nbr[0-9]_"]

   nbr4_L nbr6_L nbr7_L nbr4_L nbr4_L
1:     bb     dd     ff     gg     hh

更好的是，如果您的列有多个单个数字，请使用：

dt[, .SD, .SDcols =  names(dt) %like% "nbr[0-9]+_"]

或最佳：替换他的解决方案中使用的模式@mt1022，在开头添加^，这意味着仅在字符串的开头查找匹配项。 @mt1022 的解决方案中的\\d 相当于上面的[0-9]。

【讨论】：