通过部分匹配 (R) 连接不同数量的列

Question

关于 SO 的第一个问题，虽然我已经潜伏了一段时间！我尝试尽职调查并接近答案。

我有一个 300 列的数据框，我想根据匹配的变量名称模式将其合并为大约 10 列。原始数据输出为我提供了一个列，其中包含主要变量名称（在示例中为 "before" 和 "after"）和一个数字。在我的 "real" 数据中，每个变量大约有 30 个副本。

我想合并名称中包含 "before" 或 "after," 等的每一列。我使用 data.table 的语法为这种类型的 "calculated" 列成功创建了变量 "new"。

myTable2[, new := paste(before1, before2, sep = "")]

> myTable2
 herenow     before1 before2 before3  after1 after2 after3         new
1: 0.3399679      if     and   where     not   here  blank       ifand
2: 0.8181909     for      in      by through  blank  blank       forin
3: 0.2237681     and   where            mine  yours   ours    andwhere
4: 0.6161998     and   where              ha    hey    hon    andwhere
5: 0.7606252   fifth  eighth     and   where    not   beet fiftheighth
6: 0.5525105     and   where     not    fill           are    andwhere

但是如您所见，这明确说明了我要合并的列。我想灵活组合，这样如果我有一个变量的 31 个副本和另一个变量的 86 个副本，我不需要 a) 必须知道那个或 b) 必须输入那个。我只想根据基本变量名称（例如 "before"）进行匹配并合并列。

我尝试使用 grep 进入下一个级别...

> newvar2 <- paste(grep("before", colnames(myTable2), value = TRUE), collapse = "")
> newvar2
[1] "before1before2before3"

这让我确信我可以将可变数量的值与 grep 模式匹配相结合。

下一步：如何结合这两个步骤，使

new := paste(etc....)

将 grep 步骤作为其参数并组合名称与模式匹配的所有列？这就是我想要的：

 herenow        before_Final    after_Final
1: 0.339967856  ifandwhere      nothereblank
2: 0.818190875  forinby         throughblankblank
3: 0.223768051  andwhere        mineyoursours
4: 0.616199835  andwhere        haheyhon
5: 0.760625218  fiftheighthand  wherenotbeet
6: 0.552510532  andwherenot     fillare

我正在努力学习更多关于矢量化的知识，但如果我什至可以列出我想要组合的变量类型（例如之前、之后、之间），然后运行通过这些，可能在一个循环，那就太好了！所以像

finalVarNames <- c("Before_final", "After_final", "Between_final")
whatToMatch <- c("before", "after", "between")

（此处为循环...）

myTable2[, finalVarNames[i] := paste(grep(whatToMatch[i], myTable2, value = TRUE), collapse = "")]

我知道语法不正确，可能在值参数之前的第二个 "myTable2" 引用中。此代码确实成功创建了新变量，但它是空白的。如何将连接的 grep 匹配变量组放入其中？

感谢您的帮助！

Answer 1

您可以使用 Reduce 函数将选定的列粘贴在一起，方法是在 .SD 语法中通过 grep 指定列。这是使用 data.table 包获取结果的示例：

library(stringi); library(data.table)
myTable2[, paste(stri_trans_totitle(whatToMatch), "final", sep = "_") := 
           lapply(whatToMatch, function(wtm) Reduce(function(x,y) paste(x, y, sep = ""), 
                                             .SD[, grep(wtm, names(myTable2)), with = F]))]

myTable2
#      herenow before1 before2 before3  after1 after2 after3   Before_final       After_final
# 1: 0.3399679      if     and   where     not   here  blank     ifandwhere      nothereblank
# 2: 0.8181909     for      in      by through  blank  blank        forinby throughblankblank
# 3: 0.2237681     and   where            mine  yours   ours       andwhere     mineyoursours
# 4: 0.6161998     and   where              ha    hey    hon       andwhere          haheyhon
# 5: 0.7606252   fifth  eighth     and   where    not   beet fiftheighthand      wherenotbeet
# 6: 0.5525105     and   where     not    fill           are    andwherenot           filler

do.call和Reduce的一些基准：

dim(myTable2)
# [1] 1572864       9

reduce <- function() myTable2[, paste(stri_trans_totitle(whatToMatch[1:2]), "final", sep = "_") := lapply(whatToMatch[1:2], function(wtm) Reduce(function(x,y) paste(x, y, sep = ""), .SD[, grep(wtm, names(myTable2)), with = F]))]    
docall <- function() myTable2[, paste(stri_trans_totitle(whatToMatch[1:2]), "final", sep = "_") := lapply(whatToMatch[1:2], function(wtm) do.call(paste, c(sep = "", .SD[, grep(wtm, names(myTable2)), with = F])))]

microbenchmark::microbenchmark(docall(), reduce(), times = 10)
# Unit: milliseconds
#     expr      min        lq      mean    median        uq       max neval
# docall() 707.7818  722.6037  767.8923  737.6272  852.4909  868.8202    10
# reduce() 999.4925 1009.5146 1026.6200 1020.4637 1046.7073 1067.7479    10

通过部分匹配 (R) 连接不同数量的列

Concatenate varying number of columns by partial match (R)

r

concatenation

multiple-columns

data.table