如何选择数字后缀小于某个值的变量

Posted 2023-02-19

【中文标题】如何选择数字后缀小于某个值的变量

【英文标题】：How to select variables with numeric suffixes lower than a value

【发布时间】：2021-11-07 05:39:12

【问题描述】：

我有一个类似于这个的数据框。

df <- data.frame(id=c(1,2,3), tot_1=runif(3, 0, 100), tot_2=runif(3, 0, 100), tot_3=runif(3, 0, 100), tot_4=runif(3, 0, 100))

我只想对后缀小于 3 的人进行选择或操作。

#select
df <- df %>% select(id, tot_1, tot_2)
#or sum
df <- df %>% mutate(sumVar = rowSums(across(c(tot_1, tot_2))))

但是，在我的真实数据中，变量更多，并且不是按顺序排列的。那我怎么能不手动选择它们呢？

【参考方案1】：

解决方案num_range

这是来自 dplyr 的经常被遗忘的 num_range 选择助手的罕见情况，它在一个步骤中从名称中提取数字，然后选择一个范围：

确定阈值

suffix_threshold <- 3

选择（）

library(dplyr)

df %>% select(id, num_range(prefix='tot_',
                            range=seq_len(suffix_threshold-1)))

  id    tot_1    tot_2
1  1 26.75082 26.89506
2  2 21.86453 18.11683
3  3 51.67968 51.85761

mutate() 与 rowSums()

library(dplyr)

df %>% mutate(sumVar = across(num_range(prefix='tot_', range=seq_len(suffix_threshold-1)))%>%
                      rowSums)

  id    tot_1    tot_2    tot_3    tot_4    sumVar
1  1 26.75082 26.89506 56.27829 71.79353  53.64588
2  2 21.86453 18.11683 12.91569 96.14099  39.98136
3  3 51.67968 51.85761 25.63676 10.01408 103.53730

【讨论】：

@user2246905 ，它适用于您的数据集吗？

【参考方案2】：

这是一个基本的 R 方式 -

cols <- grep('tot_', names(df), value = TRUE)

#Select
df[c('id', cols[as.numeric(sub('tot_', '',cols)) < 3])]

#  id     tot_1    tot_2
#1  1 75.409112 30.59338
#2  2  9.613496 44.96151
#3  3 58.589574 64.90672

#Rowsums
df$sumVar <- rowSums(df[cols[as.numeric(sub('tot_', '',cols)) < 3]])
df

#  id     tot_1    tot_2    tot_3     tot_4    sumVar
#1  1 75.409112 30.59338 59.82815 50.495758 106.00250
#2  2  9.613496 44.96151 84.19916  2.189482  54.57501
#3  3 58.589574 64.90672 18.17310 71.390459 123.49629

【参考方案3】：

我们可能会使用matches

df %>% 
    mutate(sumVar = rowSums(across(matches('tot_[1-2]$'))))

---

如果我们需要更灵活，请从以“tot”开头的列名中提取数字部分，根据条件进行子集并使用新名称

library(stringr)
nm1 <- str_subset(names(df), 'tot')
nm2 <-  nm1[readr::parse_number(nm1) <3]
df %>%
    mutate(sumVar = rowSums(across(all_of(nm2))))

【讨论】：

我的真实数据的范围大于 10，所以我需要 match('tot_[1-112]$') 之类的东西，但它不适用于这个范围