Question

我花了大约20分钟查看以前的问题，但找不到我要找的东西。我有一个大型数据框，我希望根据名称列表进行子集化，但数据框中的名称也可以在列表中没有显示后缀。

换句话说，是否有更简单的通用方法（对于无限数量的后缀）来执行以下操作：

data <- data.frame("name"=c("name1","name1_post1","name2","name2_post1",
                            "name2_post2","name3","name4"),
                   "data"=rnorm(7,0,1),
                   stringsAsFactors=FALSE)

names <- c("name2","name3")

subset <- data[ data$name %in% names | data$name %in% paste0(names,"_post1") | data$name %in% paste0(names,"_post2") , ]

回应@Arun的回答。我的数据中的名称实际上包含多个下划线，使问题更加复杂。

data <- data.frame("name"=c("name1_target_time","name1_target_time_post1","name2_target_time","name2_target_time_post1",
                            "name2_target_time_post2","name3_target_time","name4_target_time"),
                   "data"=rnorm(7,0,1),
                   stringsAsFactors=FALSE)

names <- c("name2_target_time","name3_target_time")

subset <- data[ data$name %in% names | data$name %in% paste0(names,"_post1") | data$name %in% paste0(names,"_post2") , ]

Answer 1

使用正则表达式

编辑解决方案（在评论后跟进OP）：

data[grepl(paste(names, collapse="|"), data$name), ]
#          name       data
# 3       name2  1.4934931
# 4 name2_post1 -1.6070809
# 5 name2_post2 -0.4157518
# 6       name3  0.4220084

关于您的新数据：

#                      name      data
# 3       name2_target_time 0.6295361
# 4 name2_target_time_post1 0.8951720
# 5 name2_target_time_post2 0.6602126
# 6       name3_target_time 2.2734835

另外，正如@flodel在评论中显示的那样，这也可以正常使用！

subset(data, sub("_post\\d+$", "", name) %in% names)

旧解决方案：

data[sapply(strsplit(data$name, "_"), "[[", 1) %in% names, ]

#          name       data
# 3       name2  1.4934931
# 4 name2_post1 -1.6070809
# 5 name2_post2 -0.4157518
# 6       name3  0.4220084

这个想法：split使用_的{{1}}字符串strsplit。这导致列表。例如：name2将只生成name2（列表的第一个元素）。但name2_post1会产生name2和post1（列表的第二个元素）。通过使用sapply并使用[[ 1包裹它，我们可以只选择此结果列表中的“第一个”元素。然后，我们可以将其与%in%一起使用来检查它们是否存在于names中（这很简单）。

Answer 2

grep解决方案可能类似于以下内容：

subset <- data[grep("(name2)|(name3)",names(data)),]

通过元素向量子集数据帧

2 个答案: