在R语言中根据列名筛选保留含全时间点的样本列

步骤1：提取所有样本名 #

从列名里拆分出样本前缀（去掉_time部分），用正则表达式最方便：

# 提取样本名（去掉下划线和后面的时间数字）
sample_names <- sub("_\\d+$", "", colnames(your_dataframe))

这里_\\d+$匹配列名末尾的下划线加任意数字，替换为空就得到纯样本名。

步骤2：筛选出包含全部4个时间点的样本 #

用table()统计每个样本出现的次数（每个时间点对应一列，所以次数=时间点数量），筛选出次数等于4的样本：

# 统计每个样本的列数，筛选出有4列的样本
valid_samples <- names(table(sample_names))[table(sample_names) == 4]

步骤3：保留符合条件的列 #

用正则匹配筛选出所有属于有效样本的列，两种简洁写法可选：

写法1：用grepl批量匹配

# 构建匹配模式：匹配以有效样本开头、后面跟下划线的列名
pattern <- paste0("^(", paste(valid_samples, collapse = "|"), ")_")
# 生成需要保留的列的逻辑向量
keep_cols <- grepl(pattern, colnames(your_dataframe))
# 筛选数据框
filtered_df <- your_dataframe[, keep_cols]

写法2：用sapply遍历有效样本

如果更习惯sapply的写法，可以这样：

# 对每个有效样本，找出对应的列
keep_cols <- sapply(valid_samples, function(sample) {
  grepl(paste0("^", sample, "_"), colnames(your_dataframe))
})
# 把矩阵转成逻辑向量（只要列属于任意一个有效样本就保留）
keep_cols <- apply(keep_cols, 1, any)
# 筛选数据框
filtered_df <- your_dataframe[, keep_cols]

为什么比循环简洁？ #

整个流程用向量和内置函数处理，避免了嵌套循环的繁琐，R的内置函数（sub、table、grepl）都是向量化操作，效率比循环高很多，尤其是处理271列的数据集。

内容的提问来源于stack exchange，提问作者Coleman YU