R语言如何使用正则表达式筛选数据框符合条件的指定列

解决方案 #

你原本的反向筛选思路是可行的，问题出在正则表达式的语法错误，正则中没有&这种直接表示“同时包含”的写法，需要用正向先行断言实现同时匹配两个子串的逻辑。

可以直接使用如下代码实现需求：

df %>% select(!matches("^(?=.*age)(?=.*_)"))

代码说明 #

• 正则^(?=.*age)(?=.*_)的匹配逻辑：
  • ^ 匹配字符串开头
  • (?=.*age) 是正向先行断言，代表字符串任意位置存在age子串
  • (?=.*_) 同理，代表字符串任意位置存在_子串
  • 两个断言叠加，就可以匹配所有**同时包含age和_**的列名
• 前面加!表示反向选择，排除符合上述匹配规则的列，最终得到的就是你需要的三列：8.ageupwith65、9.agelo65、10.PM2_5

如果你更习惯正向匹配的写法，也可以直接筛选符合要求的列：

df %>% select(matches("^(?!.*age.*_)"))

这里的(?!.*age.*_)是否定先行断言，代表字符串中不存在“同时有age和_”的情况，效果和上面的反向筛选完全一致。

内容的提问来源于stack exchange，提问作者zhiwei li