subconjuntos - teoria de conjuntos ejemplos

Los datos del subconjunto solo contienen columnas cuyos nombres coinciden con una condición

Question

¿Hay alguna forma de subconjunto de datos en base a nombres de columna que comiencen con una cadena en particular? Tengo algunas columnas que son como ABC_1 ABC_2 ABC_3 y algunas como XYZ_1, XYZ_2,XYZ_3 digamos.

¿Cómo puedo subconjuntar mi df basado solo en columnas que contienen las partes de texto anteriores (digamos, ABC o XYZ )? Puedo usar índices, pero las columnas están demasiado dispersas en datos y se vuelve demasiado difícil de codificar.

Además, solo quiero incluir filas de cada una de estas columnas donde cualquiera de sus valores sea >0 por lo que si cualquiera de las 6 columnas anteriores tiene un 1 en la fila, se corta en mi marco de datos final.

Answer 1

Esto funcionó para mí:

df[,names(df) %in% colnames(df)[grepl(str,colnames(df))]]

Answer 2

Pruebe grepl en los nombres de su data.frame . grepl coincide con una expresión regular a un objetivo y devuelve TRUE si se encuentra una coincidencia y FALSE contrario. La función está vectorizada para que pueda pasar un vector de cadenas para que coincida y obtendrá un vector de valores booleanos devueltos.

Ejemplo

#  Data
df <- data.frame( ABC_1 = runif(3),
            ABC_2 = runif(3),
            XYZ_1 = runif(3),
            XYZ_2 = runif(3) )

#      ABC_1     ABC_2     XYZ_1     XYZ_2
#1 0.3792645 0.3614199 0.9793573 0.7139381
#2 0.1313246 0.9746691 0.7276705 0.0126057
#3 0.7282680 0.6518444 0.9531389 0.9673290

#  Use grepl
df[ , grepl( "ABC" , names( df ) ) ]
#      ABC_1     ABC_2
#1 0.3792645 0.3614199
#2 0.1313246 0.9746691
#3 0.7282680 0.6518444

#  grepl returns logical vector like this which is what we use to subset columns
grepl( "ABC" , names( df ) )
#[1]  TRUE  TRUE FALSE FALSE

Para responder a la segunda parte, haría el subconjunto data.frame y luego crearía un vector que indexe las filas para mantener (un vector lógico) como este ...

set.seed(1)
df <- data.frame( ABC_1 = sample(0:1,3,repl = TRUE),
            ABC_2 = sample(0:1,3,repl = TRUE),
            XYZ_1 = sample(0:1,3,repl = TRUE),
            XYZ_2 = sample(0:1,3,repl = TRUE) )

# We will want to discard the second row because ''all'' ABC values are 0:
#  ABC_1 ABC_2 XYZ_1 XYZ_2
#1     0     1     1     0
#2     0     0     1     0
#3     1     1     1     0


df1 <- df[ , grepl( "ABC" , names( df ) ) ]

ind <- apply( df1 , 1 , function(x) any( x > 0 ) )

df1[ ind , ]
#  ABC_1 ABC_2
#1     0     1
#3     1     1

Answer 3

También puede usar starts_with y dplyr ''s select() manera:

df <- df %>% dplyr:: select(starts_with("ABC"))

Answer 4

Usando dplyr puedes:

df <- df %>% dplyr:: select(grep("ABC", names(df)), grep("XYZ", names(df)))