如何在R语言中按列名AB前缀首次匹配提取列表数据框子集？

现有一个包含多个数据框的列表L，每个数据框中存在多种以AB开头命名的列（例如AB_1、AB_1_1等）。需要提取该列表的子集，使得每个数据框仅保留第一个匹配AB格式的列，以及所有非AB格式的列。

示例代码 #

# 示例输入
L1 = data.frame(AB_1 = c(1:4), AB_1_1 = c(1:4), C1 = c(1:4))
L2 = data.frame(AB_1_1 = c(1:4), AB_2 = c(1:4), D = c(1:4))
L = list(L1, L2)

# 预期输出
R1 = data.frame(AB_1 = c(1:4), C1 = c(1:4))
R2 = data.frame(AB_1_1 = c(1:4), D = c(1:4))
R = list(R1, R2)

解决方案 #

通过自定义处理函数结合lapply遍历列表，即可完成需求：

# 定义数据框处理函数
process_df <- function(df) {
  # 匹配所有以AB开头的列名
  ab_cols <- grep("^AB", colnames(df), value = TRUE)
  # 提取第一个AB格式列
  first_ab_col <- ab_cols[1]
  # 获取所有非AB格式列
  non_ab_cols <- setdiff(colnames(df), ab_cols)
  # 按要求保留列并返回数据框
  df[, c(first_ab_col, non_ab_cols), drop = FALSE]
}

# 应用函数到列表L
R <- lapply(L, process_df)

# 查看处理结果
print(R)

代码说明 #

• grep("^AB", colnames(df), value = TRUE)：用正则表达式^AB精准匹配所有以AB开头的列名，返回对应列名字符向量。
• ab_cols[1]：提取第一个符合AB格式的列名。
• setdiff(colnames(df), ab_cols)：筛选出所有非AB格式的列名。
• drop = FALSE：确保结果始终为数据框类型，避免单列时自动转为向量。

内容的提问来源于stack exchange，提问作者Natalia