R语言大型数据集：基于列名模式匹配筛选指定列的高效方案

针对你的需求，这里提供两种高效的实现方式，适配大型数据集的处理场景：

方法一：Base R 原生实现（轻量高效） #

直接通过列名正则匹配筛选，无需额外依赖包，适合超大型数据集：

# 提取所有列名
all_cols <- colnames(df)

# 固定保留的核心列
core_cols <- all_cols[all_cols %in% c("industry", "country")]

# 先筛选DEU开头的列，再匹配指定后缀（5/6/10）
target_deu_cols <- all_cols[grepl("^DEU", all_cols) & grepl("(5|6|10)$", all_cols)]

# 合并列并生成筛选后的数据集
df_filtered <- df[, c(core_cols, target_deu_cols)]

代码说明： #

• grepl("^DEU", all_cols)：匹配所有以DEU开头的列名
• grepl("(5|6|10)$", all_cols)：匹配结尾为5、6或10的列名
• 两个条件用&组合，精准筛选符合要求的DEU列

方法二：dplyr 简洁实现（易读性强） #

如果日常使用tidyverse工具链，用dplyr的select函数结合正则匹配更简洁：

library(dplyr)

df_filtered <- df %>%
  select(industry, country, matches("^DEU(5|6|10)$"))

代码说明： #

• matches("^DEU(5|6|10)$")：直接用正则匹配同时满足"DEU开头"和"后缀为5/6/10"的列
• 管道操作让代码逻辑更连贯，适合复杂数据处理流程

两种方法都能高效完成需求，大型数据集优先推荐Base R方法，避免加载额外包带来的开销；如果追求代码可读性，dplyr方法更友好。

内容的提问来源于stack exchange，提问作者Maximilian