如何在R中按列内以a开头的字符串模式拆分data.frame

首先，你遇到的问题核心是用了精确匹配而非正则匹配——== "a*"是在找完全等于字符串"a*"的元素，而不是以a开头的任意字符串。下面是具体的解决步骤：

步骤1：识别分组起始行 #

我们需要用grepl()函数来匹配正则表达式，它能返回一个逻辑向量，标记哪些行的var1是以a开头的：

# 标记所有var1以a开头的行
group_starts <- grepl("^a", df$var1)

这里^a是正则表达式，表示字符串的开头是a，完美匹配你需要的ab、ac、ad这类值。

步骤2：生成分组ID #

用cumsum()对上面的逻辑向量求和，每遇到一个TRUE（也就是新的分组起始），累加值就会加1，这样就能给每一行分配对应的分组ID：

group_ids <- cumsum(group_starts)

步骤3：拆分data.frame #

最后用split()函数根据分组ID拆分数据框：

split_result <- split(df, group_ids)

验证结果 #

你可以打印拆分后的结果，完全符合你的预期：

# 输出第一个分组
split_result[[1]]
#   var1 var2
# 1   ab    1
# 2    1    2
# 3    2    3
# 4    3    4

# 输出第二个分组
split_result[[2]]
#    var1 var2
# 5    ac    5
# 6     1    6
# 7     2    7
# 8     3    8
# 9     4    9
# 10    5   10
# 11    6   11

# 输出第三个分组
split_result[[3]]
#    var1 var2
# 12   ad   12
# 13    1   13
# 14    2   14

为什么之前的方法失败？ #

df[,1] == "a*"是精确匹配操作，它只会找值**完全等于"a*"**的元素，而你的数据里没有这个值，所以返回的全是FALSE，cumsum()之后所有行的分组ID都是0，自然没法拆分。而grepl()是专门处理正则匹配的函数，能正确识别你需要的模式。

内容的提问来源于stack exchange，提问作者takeITeasy