按照字符串匹配选择列 - dplyr :: select

Question

我有一个数据框（"data"），其中包含很多列。其中一些列包含特定的字符串（"search_string"）。

我如何使用dplyr::select()函数来仅选择包含该字符串的列？

我尝试过：

# columns as boolean vector
select(data, grepl("search_string",colnames(data)))

# columns as vector of column names names 
select(data, colnames(data)[grepl("search_string",colnames(data))]) 

他们俩都不起作用。

我知道select()可以接受数字向量来代替列，例如:

select(data,5,7,9:20)

但是我不知道如何从我的grepl()表达式中获取列ID的数字向量。

- Timm S.

---

请参考此SO答案，了解多个字符串和匹配项：https://dev59.com/nl4b5IYBdhLWcg3whB-V - agenis

Answer 1

在dplyr世界中，尝试使用：

select(iris,contains("Sepal"))

请参见?select中的 Selection 部分，这里有很多其他辅助函数，如 starts_with、ends_with 等。

- joran

---

请注意，您很容易因试图避免正则表达式而陷入困境，而正则表达式会反噬您，例如：select(iris, contains(".") ) 不确定如何传递 fixed=TRUE 以强制搜索实际的 "."。 - thelatemail

@thelatemail 这感觉像是代码或文档中的疏忽（即我们是否假定 fixed = TRUE 或等效项）。dplyr 仍然很年轻。 - joran

@thelatemail 哎呀！我也是！ - joran

那对于我的 GitHub 生涯来说，这是一个相当糟糕的开端。很快就要出现“关闭重复项”了！ - thelatemail

@MattBannert，请查看我提供的解决方案。 - Boern

Answer 2

你可以尝试：

select(data, matches("search_string"))

它比contains更加通用 - 您可以使用正则表达式（例如"one_string|or_the_other"）。

有关更多示例，请参见：http://rpackages.ianhowson.com/cran/dplyr/man/select.html。

- Piotr Migdal

---

更好的支持正则表达式，自从这个功能被加入。 - Boern

链接现在已经失效。 - pratikpc

方便地，还可以使用!matches(...)。 - Brian D

Answer 3

不需要使用select，只需使用[代替

data[,grepl("search_string", colnames(data))]

让我们尝试使用鸢尾花数据集

>iris[,grepl("Sepal", colnames(iris))]
  Sepal.Length Sepal.Width
1          5.1         3.5
2          4.9         3.0
3          4.7         3.2
4          4.6         3.1
5          5.0         3.6
6          5.4         3.9

- Jilber Urbina

---

@dplyr 是一种药物，即使您可以使用 base 进行操作，标准语法也不如 dplyr 美观/可读性高/易于组合 - 请参见我的回答。 - Piotr Migdal

Answer 4

根据Piotr Migdal的回复，我想提供一种替代方案，使字符串向量成为可能：

myVectorOfStrings <- c("foo", "bar")
matchExpression <- paste(myVectorOfStrings, collapse = "|")
# [1] "foo|bar"
df %>% select(matches(matchExpression))

利用正则表达式中的“或”运算符（|）。

注意：如果你只需要一个普通的列名向量（而不需要正则表达式的强大功能），请参阅本答案下面的评论（因为它是更简洁的解决方案）。

- Boern

---

针对已知列名称的向量，使用select(df, one_of(array_of_colnames))。 - AlexR

Answer 5

或者使用一个包含22个列的DataFrame：

library(plyr) # for baseball dataset.
library(dplyr)

baseball %>% colnames() %>% length()
[1] 22

baseball %>% colnames()
 [1] "id"    "year"  "stint" "team"  "lg"    "g"     "ab"    "r"     "h"     "X2b"   "X3b"   "hr"    "rbi"  
[14] "sb"    "cs"    "bb"    "so"    "ibb"   "hbp"   "sh"    "sf"    "gidp"

您可以使用starts_with（“s”）和ends_with（“b”）：

> baseball %>% select(starts_with("s")) %>% head(5)
    stint sb so sh sf
4       1  6  1 NA NA # players.columns.str.startswith('p')
44      1  8  0 NA NA
68      1  2  0 NA NA 
99      1  4  0 NA NA
102     1  3  0 NA NA

> baseball %>% select(ends_with("b")) %>% head(5)
     ab X2b X3b sb bb ibb
4   120  11   3  6  2  NA
44  162   9   4  8  4  NA
68   89   3   1  2  2  NA
99  161   5   1  4  3  NA
102 128   3   7  3  1  NA

# contains("g") matches names that contain “g”.
> baseball %>% select(contains("g")) %>% head(5)
    lg  g gidp
4      25   NA
44     32   NA
68     19   NA
99     33   NA
102    29   NA

- rubengavidia0x