如何修改R的grep正则，筛选数据框时排除指定列？

问题 #

我有如下所示的数据框df：

df <- data.frame(date=as.Date(c('2018-01-01', '2018-02-01', '2018-03-01')), rate6M=rnorm(3), oldrate6M=rnorm(3), marketrate6M=rnorm(3), rate12M=rnorm(3), oldrate12M=rnorm(3), marketrate12M=rnorm(3))

我想要创建df的子集df6M，包含date列以及所有以6M结尾的列，但需排除包含oldrate或marketrate的列。目前能筛选出date和所有以6M结尾列的代码如下：

df6M <- df[grep('date|6M$', names(df))]

请问如何修改上述代码，以明确排除包含oldrate或marketrate的列？

注：请勿给出类似df6M <- df[grep('date|^rate6M$', names(df))]的方案，因为实际中我的数据框包含大量以6M结尾的列，我需要明确排除指定列。

解决方案 #

这里有几种不同的方法可以实现你的需求，既满足批量筛选6M结尾列，又能精准排除指定模式的列：

方法1：Base R 结合两次grep（直观易理解） #

先筛选出初始符合条件的列（date或6M结尾），再从中移除包含oldrate或marketrate的列：

# 获取初始匹配的列名
initial_cols <- grep('date|6M$', names(df), value = TRUE)
# 找出需要排除的列
exclude_cols <- grep('oldrate|marketrate', initial_cols, value = TRUE)
# 取差集得到最终列，生成子集
df6M <- df[setdiff(initial_cols, exclude_cols)]

方法2：Base R 用正则负向预查（简洁写法） #

利用Perl风格的正则负向预查，直接匹配符合要求的列名，一步到位：

df6M <- df[grep('date|^(?!oldrate|marketrate).*6M$', names(df), perl = TRUE)]

正则表达式解释：

• date：直接匹配date列
• ^(?!oldrate|marketrate).*6M$：匹配以6M结尾，但开头不是oldrate或marketrate的列（(?!...)是负向预查，需要开启perl=TRUE来支持）

方法3：逻辑向量组合筛选（可读性拉满） #

用逻辑条件组合需求，无需复杂正则，新手友好：

# 条件1：是date列，或者列名以6M结尾
cond1 <- names(df) == 'date' | grepl('6M$', names(df))
# 条件2：列名不包含oldrate或marketrate
cond2 <- !grepl('oldrate|marketrate', names(df))
# 同时满足两个条件的列就是我们要的
df6M <- df[cond1 & cond2]

方法4：Tidyverse风格（dplyr包） #

如果你习惯用tidyverse工具链，dplyr::select的辅助函数能让代码更简洁直观：

library(dplyr)

df6M <- df %>%
  select(date, ends_with("6M"), -contains("oldrate"), -contains("marketrate"))

这里ends_with("6M")选中所有以6M结尾的列，-contains()则排除包含指定关键词的列，逻辑清晰一目了然。

内容的提问来源于stack exchange，提问作者Gaurav Bansal