如何 select 包含某些 strings/characters 的特定列？

Question

我有这个数据框：

df1 <- data.frame(a = c("correct", "wrong", "wrong", "correct"),
  b = c(1, 2, 3, 4),
  c = c("wrong", "wrong", "wrong", "wrong"),
  d = c(2, 2, 3, 4))

a       b c     d
correct 1 wrong 2
wrong   2 wrong 2
wrong   3 wrong 3
correct 4 wrong 4

并且只想 select 带有字符串 'correct' 或 'wrong' 的列（即 df1 中的 b 和 d 列），这样我就得到了这个数据框：

df2 <- data.frame(a = c("correct", "wrong", "wrong", "correct"),
        c = c("wrong", "wrong", "wrong", "wrong"))

        a     c
1 correct wrong
2   wrong wrong
3   wrong wrong
4 correct wrong

我可以使用 dplyr 来做这个吗？如果没有，我可以使用什么功能来做到这一点？我给出的示例很简单，因为我可以这样做 (dplyr):

select(df1, a, c)

但是，在我的实际数据框中，我有大约 700 variables/columns 和几百列包含字符串 'correct' 或 'wrong' 并且我不知道 variable/column 名字。

关于如何快速执行此操作的任何建议？非常感谢！

Answer 1

您可以使用基础 R Filter，它将对 df1 的每个列进行操作，并保留所有满足函数逻辑测试的列：

Filter(function(u) any(c('wrong','correct') %in% u), df1)
#        a     c
#1 correct wrong
#2   wrong wrong
#3   wrong wrong
#4 correct wrong

你也可以使用grepl:

Filter(function(u) any(grepl('wrong|correct',u)), df1)

Answer 2

----更新----- 谢谢比维尔上校。多么优雅的解决方案。我会更多地使用 Filter。

我也想检查速度解决方案，以防时间是一个重要因素：

locator <- apply(df1, 2, function(x) grepl("correct|wrong", x))
index <- apply(locator, 2, any)
newdf <- df1[,!index]

我将您的数据框扩展到 500,000 列：

dftest <- as.data.frame(replicate(500000, df1[,1]))

然后使用 apply、使用 grepl 的 Filter 和使用模式 %in%:

的 Filter 测试函数的系统时间

f <- function() {
locator <- apply(dftest, 2, function(x) grepl("correct|wrong", x))
index <- apply(locator, 2, any)
newdf <- dftest[,!index]
}

f1 <- function() {newdf <- (Filter(function(x) any(c("wrong", "correct") %in% x), dftest))}

f2 <- function() {newdf <- Filter(function(u) any(grepl('wrong|correct',u)), dftest)}


system.time(f())
   user  system elapsed 
   24.32    0.00   24.35 
system.time(f1())
   user  system elapsed 
   2.31    0.00    2.34 
system.time(f2())
   user  system elapsed 
   8.66    0.01    8.71

上校的解决方案是迄今为止最好的解决方案。它很干净，性能最好。 --credit @akrun data.frame 建议。

如何 select 包含某些 strings/characters 的特定列？

How to select specific columns containing certain strings/characters?

r

dataframe

dplyr