如何用R正则批量筛选含相同T标识的列并排除同名重复列？

针对步骤1：批量处理任意数量的T编号 #

不用手动逐个指定T0、T1这类编号，可以自动提取所有符合条件的分组并合并：

首先加载依赖包：

library(dplyr)
library(purrr)

然后执行以下代码：

# 解析列名，筛选出|两侧T编号相同的列，并按T编号分组
col_details <- tibble(col_name = names(means2)) %>%
  # 捕获|前后的T编号
  extract(col_name, into = c("t_left", "t_right"),
          regex = ".*_T(\\d+)\\|.*_T(\\d+)", remove = FALSE) %>%
  # 只保留两侧T编号一致的列
  filter(t_left == t_right) %>%
  # 生成分组标识（比如T0、T1）
  mutate(t_group = paste0("T", t_left))

# 按分组批量筛选列、添加行id，再合并成最终数据框
means3 <- col_details %>%
  # 按T分组拆分
  group_split(t_group) %>%
  # 对每个分组处理：筛选列+添加行id
  map(function(group_data) {
    means2 %>%
      select(all_of(group_data$col_name)) %>%
      rownames_to_column("id_cp_interaction")
  }) %>%
  # 批量合并所有分组的结果
  reduce(full_join, by = "id_cp_interaction")

不管你有多少个T编号（比如T2、T3、T10...），这段代码都会自动识别并处理，完全不用手动修改。

针对步骤2：筛选|两侧前缀不同的列 #

可以通过正则捕获|前后的完整部分，直接筛选出两侧内容不一样的列，两种实现方式：

方式1：在步骤1之后二次筛选 #

如果已经得到了步骤1的means3，可以这样处理：

# 提取需要判断的列（排除id列）
cols_to_check <- setdiff(names(means3), "id_cp_interaction")

# 筛选出|两侧内容不同的列
valid_cols <- tibble(col_name = cols_to_check) %>%
  extract(col_name, into = c("left_part", "right_part"),
          regex = "(.*)\\|(.*)", remove = FALSE) %>%
  filter(left_part != right_part) %>%
  pull(col_name)

# 得到最终结果
means_final <- means3 %>%
  select(id_cp_interaction, all_of(valid_cols))

方式2：一步到位（同时满足步骤1和步骤2的条件） #

如果你想直接得到同时符合两个条件的结果，可以把筛选逻辑合并到第一步：

col_details <- tibble(col_name = names(means2)) %>%
  # 同时捕获|前后的完整部分和T编号
  extract(col_name, into = c("left_full", "t_left", "right_full", "t_right"),
          regex = "(.*_T(\\d+))\\|(.*_T(\\d+))", remove = FALSE) %>%
  # 同时满足：T编号相同，且前后完整部分不同
  filter(t_left == t_right, left_full != right_full) %>%
  mutate(t_group = paste0("T", t_left))

# 后续合并步骤和之前一致
means_final <- col_details %>%
  group_split(t_group) %>%
  map(function(group_data) {
    means2 %>%
      select(all_of(group_data$col_name)) %>%
      rownames_to_column("id_cp_interaction")
  }) %>%
  reduce(full_join, by = "id_cp_interaction")

这样直接输出的means_final就是同时满足两个要求的数据框。

内容的提问来源于stack exchange，提问作者Seigfried