如何基于字符串向量精确匹配下划线前内容筛选DataFrame列

你的核心问题是之前的正则表达式仅匹配了前缀开头，未限制前缀后必须紧跟下划线，导致NewYork3这类带额外字符的列被误选。要实现下划线前的字符串与向量元素完全匹配，需要构造严格匹配「前缀+下划线」的正则规则。

方法一：dplyr 实现（推荐） #

先把向量元素拼接成符合要求的正则表达式：给每个城市名添加开头锚点^（限定字符串起始位置）和后缀_（限定紧跟下划线），再用|分隔多个匹配项。

library(dplyr)

# 模拟原始数据框
df <- data.frame(
  NewYork_10 = 1:5,
  NewYork_20 = 6:10,
  NewYork3_10 = 11:15,
  NewYork3_20 = 16:20,
  NewYork4_10 = 21:25,
  NewYork4_20 = 26:30,
  HongKong_10 = 31:35,
  HongKong_20 = 36:40,
  SanFrancisco_10 = 41:45,
  SanFrancisco_20 = 46:50
)

list_cities <- c("NewYork", "SanFrancisco")

# 构造精准匹配的正则表达式
pattern <- paste0("^", list_cities, "_", collapse = "|")

# 筛选目标列
new_df <- df %>% select(matches(pattern))

# 验证结果列名
colnames(new_df)

运行后会得到你需要的NewYork_10、NewYork_20、SanFrancisco_10、SanFrancisco_20四列。

方法二：Base R 实现 #

如果不用dplyr，也可以用基础包的grepl函数筛选列名：

pattern <- paste0("^", list_cities, "_", collapse = "|")
new_df <- df[, grepl(pattern, colnames(df))]

之前写法失效的原因 #

• matches(list_cities)：直接匹配包含城市名的任意子串，NewYork3里的NewYork片段也会被命中；
• matches(paste0(list_cities), "_")：语法错误（未合并正则字符串），且未加开头锚点，仍会匹配中间子串；
• matches(paste0("^",list_cities, ".*"))：仅限制开头是城市名，但.*会匹配后续任意字符（包括3_），导致NewYork3_10被误选。

内容的提问来源于stack exchange，提问作者RoyBatty