Regex 抓取具有特殊字符和大写字母的列

我有一个数据框，我试图在数据框中循环，以识别那些包含特殊字符或都是大写字母的列

我尝试了一些方法，但没有尝试在循环中捕捉列名

data = data.frame(one=c(1,3,5,1,3,5,1,3,5,1,3,5), two=c(1,3,5,1,3,5,1,3,5,1,3,5), 
                thr=c("A","B","D","E","F","G","H","I","J","H","I","J"),
                fou=c("A","B","D","A","B","D","A","B","D","A","B","D"),
                fiv=c(1,3,5,1,3,5,1,3,5,1,3,5), 
                six=c("A","B","D","E","F","G","H","I","J","H","I","J"),
                sev=c("A","B","D","A","B","D","A","B","D","A","B","D"),
                eig=c("A","B","D","A","B","D","A","B","D","A","B","D"),
                nin=c(1.24,3.52,5.33,1.44,3.11,5.33,1.55,3.66,5.33,1.32,3.54,5.77),
                ten=c(1:12),
                ele=rep(1,12),
                twe=c(1,2,1,2,1,2,1,2,1,2,1,2), 
                thir=c("THiS","THAT34","T(&*(", "!!!","@$#","$Q%J","who","THIS","this","this","this","this"),
                stringsAsFactors = FALSE)
data

colls <- c()

    spec=c("$","%","&")
    for( col in names(data) ) {
      if( length(strings[stringr::str_detect(data[,col], spec)]) >= 1 ){
          print("HORRAY")
colls <- c(collls, col) 
      }
      else print ("NOOOOOOOOOO")
    }


    for( col in names(data) ) {
      if( any(data[,col]) %in% spec ){
        print("HORRAY") 
colls <- c(collls, col)
      }
      else print ("NOOOOOOOOOO")
    }

data=data.frame（一=c（1,3,5,1,3,5,1,3,5,1,3,5），二=c（1,3,5,1,3,5,1,3,5），
thr=c（“A”、“B”、“D”、“E”、“F”、“G”、“H”、“I”、“J”、“H”、“I”、“J”），
fou=c（“A”、“B”、“D”、“A”、“B”、“D”、“A”、“B”、“D”、“A”、“B”、“D”、“A”、“B”、“D”），
fiv=c（1,3,5,1,3,5,1,3,5,1,3,5），
六=c（“A”、“B”、“D”、“E”、“F”、“G”、“H”、“I”、“J”、“H”、“I”、“J”），
sev=c（“A”、“B”、“D”、“A”、“B”、“D”、“A”、“B”、“D”、“A”、“B”、“D”、“A”、“B”、“D”），
eig=c（“A”、“B”、“D”、“A”、“B”、“D”、“A”、“B”、“D”、“A”、“B”、“D”、“A”、“B”、“D”），
nin=c（1.24,3.52,5.33,1.44,3.11,5.33,1.55,3.66,5.33,1.32,3.54,5.77），
十=c（1:12），
ele=rep（1,12），
twe=c（1,2,1,2,1,2,1,2,1,2,1,2），
thir=c（“这个”、“那个34”、“T（&*（“，”！！！”、“@$#”、“Q%J”、“谁”、“这个”、“这个”、“这个”、“这个”），
stringsAsFactors=FALSE）
数据
colls=1）{
打印（“HORRAY”）
colls我会将数据折叠成字符串（每行一个字符串）

您还可以使用
上的
来获取原始数据帧的相应行号，该
包含_spec
或
仅包含_caps
。我认为使用字符串而不是按行数据帧元素会快得多-只要您想搜索整个字符串，而不是特定条件下的特定列离子。
我将使用grep（）搜索您感兴趣的图案。请参阅

[：大写：
匹配任何大写字母

将其与锚（^，$）组合并匹配一次或多次（+）将给出
^[[：upper:]+$
，并且只应完全匹配大写字母的条目

以下内容将匹配玩具数据集中的特殊字符（但不能保证匹配真实数据集中的所有特殊字符，即表单提要、回车）

[：punct:
#匹配标点符号-！“$%&'（）*+，-./：；<=>？@[\]^{{124;}~

请注意，您可以手动定义特殊字符，而不是使用
[：punct://code>

我们可以在数据集的第一行尝试生成的代码：

#Using grepl() rather than grep() so that we return a list of logical values.
grepl(x= data[1,], pattern = "^[[:upper:]]+$|[[:punct:]]")
[1] FALSE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE

除了第九列的值为1.24外，这给了我们预期的响应。此处小数点被识别为标点符号，并被标记为匹配。
我们可以添加一个“负前瞻断言”
（？！\\）
，在测试句点是否为标点字符之前，将其从考虑范围中删除。注意，我们使用\来转义句点

grepl(x= data[1,], perl = TRUE, pattern = "(?!\\.)(^[[:upper:]]+$|[[:punct:]])")
[1] FALSE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE

这将返回更好的响应-它现在不再匹配小数位。注意：这可能不是您想要的，因为此模式也不会匹配字符字段中的任何句号。您需要进一步优化模式

我不想使用“for循环”在数据帧的每一行上重复这段代码，而是使用“更像R”的矢量化

为此，我们必须将脚本转换为一个函数，我们将使用apply（）调用该函数

在示例数据集中，所有行都有一个包含特殊字符或全大写字母字符串的条目。这并不奇怪，因为示例数据集中的许多列都是单大写字母列表

如果您只对第十三列中的哪些值符合所述标准感兴趣，您可以使用：

matches <- grepl(x= data$thir, perl = TRUE, pattern = "(?!\\.)(^[[:upper:]]+$|[[:punct:]])")
matches
 [1] FALSE FALSE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE

要在不匹配的行上子集数据帧，请执行以下操作：

data[matches,]
  one two thr fou fiv six sev eig  nin ten ele twe  thir
3   5   5   D   D   5   D   D   D 5.33   3   1   1 T(&*(
4   1   1   E   A   1   E   A   A 1.44   4   1   2   !!!
5   3   3   F   B   3   F   B   B 3.11   5   1   1   @$#
6   5   5   G   D   5   G   D   D 5.33   6   1   2  $Q%J
8   3   3   I   B   3   I   B   B 3.66   8   1   2  THIS

data[!matches,]
   one two thr fou fiv six sev eig  nin ten ele twe   thir
1    1   1   A   A   1   A   A   A 1.24   1   1   1   THiS
2    3   3   B   B   3   B   B   B 3.52   2   1   2 THAT34
7    1   1   H   A   1   H   A   A 1.55   7   1   1    who
9    5   5   J   D   5   J   D   D 5.33   9   1   1   this
10   1   1   H   A   1   H   A   A 1.32  10   1   2   this
11   3   3   I   B   3   I   B   B 3.54  11   1   1   this
12   5   5   J   D   5   J   D   D 5.77  12   1   2   this

请注意，使用的正则表达式与34不匹配，因为它不是完全由大写字母组成的，在末尾有数字34

编辑：

要获取列名列表，以识别满足编辑条件的列，请使用上文所述的
myFunction
：

colnames(data)[apply(X = data, 2, myFunction)]
"thr"  "fou"  "six"  "sev"  "eig"  "thir"

apply（）中的数字从1变为2，以跨列而不是跨行重复。我们将逻辑匹配列表apply（）的输出（TRUE或FALSE）传递给colnames（data）-这将通过子集返回匹配的列名。
将数据放在列中而不仅仅作为字符串（每行一个字符串）有何意义？这就是数据的方式，我还必须循环遍历逻辑、数字等列。我想我可以提取它们并将其保存为向量，但在一天结束时，目标是获取包含特殊字符的变量的列名，因此，如果您包含在你的问题中，我已经修改了我下面的答案，以检查每一列，然后返回匹配列名称的列表。
data[matches,]
  one two thr fou fiv six sev eig  nin ten ele twe  thir
3   5   5   D   D   5   D   D   D 5.33   3   1   1 T(&*(
4   1   1   E   A   1   E   A   A 1.44   4   1   2   !!!
5   3   3   F   B   3   F   B   B 3.11   5   1   1   @$#
6   5   5   G   D   5   G   D   D 5.33   6   1   2  $Q%J
8   3   3   I   B   3   I   B   B 3.66   8   1   2  THIS

data[!matches,]
   one two thr fou fiv six sev eig  nin ten ele twe   thir
1    1   1   A   A   1   A   A   A 1.24   1   1   1   THiS
2    3   3   B   B   3   B   B   B 3.52   2   1   2 THAT34
7    1   1   H   A   1   H   A   A 1.55   7   1   1    who
9    5   5   J   D   5   J   D   D 5.33   9   1   1   this
10   1   1   H   A   1   H   A   A 1.32  10   1   2   this
11   3   3   I   B   3   I   B   B 3.54  11   1   1   this
12   5   5   J   D   5   J   D   D 5.77  12   1   2   this

colnames(data)[apply(X = data, 2, myFunction)]
"thr"  "fou"  "six"  "sev"  "eig"  "thir"