R中结合GREP与变量名过滤数据框：版本更新后异常求助

你的问题大概率出在正则表达式的写法和R版本对正则的处理差异上，咱们一步步来解决：

问题根源分析 #

你原来用的grep("planting_*", names(rawData), value = TRUE)里，planting_*这个正则表达式的含义是匹配planting后面跟0个或多个下划线，而不是你想要的“匹配所有以planting_开头的列”。旧版本的R可能对这种不严谨的正则兼容度更高，但3.5.3版本的正则引擎处理更严格，导致没有匹配到预期的列，最终筛选后的结果要么只有你指定的三个固定列，要么因为grep完全没匹配到列而出现异常。

解决方案 #

1. 修正正则表达式（推荐）

如果你想匹配所有以planting_开头的列，把正则改成^planting_（^符号表示“字符串开头”），这样就能精准匹配符合模式的列：

# 先获取所有符合条件的列名
selected_cols <- c(
  "scenario", "period", "farmID",
  grep("^planting_", names(rawData), value = TRUE)
)
# 筛选数据框，加上drop=FALSE确保结果始终是数据框
mydata <- rawData[, selected_cols, drop = FALSE]

2. 用更直观的startsWith函数替代正则

如果你对正则不太熟悉，用startsWith函数更简单直接，完全避免正则的坑：

selected_cols <- c(
  "scenario", "period", "farmID",
  names(rawData)[startsWith(names(rawData), "planting_")]
)
mydata <- rawData[, selected_cols, drop = FALSE]

排查步骤 #

1. 先单独运行grep("^planting_", names(rawData), value = TRUE)或者names(rawData)[startsWith(names(rawData), "planting_")]，看看是否返回了你预期的列名，确认模式匹配是正确的。
2. 检查scenario、period、farmID这三个列是否确实存在于rawData中，避免因为列名拼写错误导致异常。

内容的提问来源于stack exchange，提问作者Marcelo Carauta