Fatal编程技术网
  • regex/
  • 基于regex选择data.table的列

基于regex选择data.table的列

regex r

基于regex选择data.table的列,regex,r,data.table,Regex,R,Data.table,如何基于正则表达式选择data.table的列？ 考虑一个简单的例子如下： 库（data.table） mydt大卫的答案会奏效。但是，如果您的正则表达式很长，并且希望先完成，请尝试： cols <- grep("<regex pattern>", names(mydt), value=T) mydt[, cols, with=FALSE] cols还有一个用于“data.table”的subset方法，因此您可以始终使用如下内容： subset(mydt, select =

如何基于正则表达式选择data.table的列？ 考虑一个简单的例子如下：

库（data.table）

mydt大卫的答案会奏效。但是，如果您的正则表达式很长，并且希望先完成，请尝试：


cols <- grep("<regex pattern>", names(mydt), value=T)
mydt[, cols, with=FALSE]



cols还有一个用于“data.table”的
subset
方法，因此您可以始终使用如下内容：


subset(mydt, select = grep("bar|baz", names(mydt)))
#    bar baz
# 1:   2   3
# 2:   3   4



为“data.table”创建一个
startswith
类型的函数不是很简单。
您也可以尝试使用
%like%
from
data.table
包，这是一个“调用regexpr的方便函数”。但是，这会使代码更具可读性；）

在这种情况下，回答您的问题：


mydt[, .SD, .SDcols = names(mydt) %like% "bar|baz"]


由于
%like%
返回一个逻辑向量，因此除了包含“foo”的列外，我们可以使用以下内容获取每一列：


其中
否定逻辑向量。
更新：我用@sindri_baldur的答案更新了比较-使用版本
1.12.6
。根据结果，
patterns（）
是一个方便的快捷方式，但如果性能很重要，则应坚持使用
。
或
with=FALSE
解决方案（见下文）



显然，从版本1.10.2开始，有一种新的方法可以实现这一点


库（data.table）

cols由于
data.table v1.12.0
（2019年1月），您可以：


mydt[, .SD, .SDcols = patterns("bar|baz")]


从官方文件
？数据表
：

[…]您可以根据规则筛选要包含在.SD中的列
表达式via.SDcols=patterns（regex1，regex2，…）。包括
列将是每个列标识的列的交点
图案模式联合可以很容易地在正则表达式中用|指定。你
还可以使用.SDcols=，像往常一样反转模式！模式（…）


为了可读性和性能，我建议使用这种单行代码


mydt[,names(mydt) %like% "bar|baz", with=F] 


以下是@Janosdivenji的回答：
请参见最后一行的
usingLike


Unit: microseconds
                  expr     min        lq     mean    median        uq       max neval
    subsetting(big_dt) 370.582  977.2760 1194.875 1016.4340 1096.9285  25750.94  5000
       usingSD(big_dt) 554.330 1084.8530 1352.039 1133.4575 1226.9060 189905.39  5000
     usingWith(big_dt) 238.481  832.7505 1017.051  866.6515  927.8460  22717.83  5000
   usingDotDot(big_dt) 256.005  844.8770 1101.543  878.9935  936.6040 181855.43  5000
 usingPatterns(big_dt) 569.787 1128.0970 1411.510 1178.2895 1282.2265 177415.23  5000
     usingLike(big_dt) 262.868  852.5805 1059.466  887.3455  948.6665  23971.70  5000



你可以用=FALSE做
mydt[，grep（c（“bar”）和names（mydt））
但我认为
with
创建了一个副本。可能会有帮助：@DavidArenburg不认为它创建了副本。@nicola我记得Arun多次提到它，但从未检查过really@DavidArenburg，那将是非常奇怪的行为，没有？嗯，我想知道为什么OP更喜欢这个而不是
mydt[，grep（c（“bar | baz”），names（mydt）），with=FALSE]
@DavidArenburg，它稍微快一点？你测试过吗？这将是一个有趣的发现。我一生中从未使用过
subset
，但如果速度更快，我可能会给它一个机会。@Davidernburg，
traceem
不会用
和
显示任何副本。那么为什么它会比
subset
慢呢？从数据表：“当j是前缀为
的符号时。
将在调用范围中查找，其值将作为列名或数字。（…）想想上面的目录
。
在所有操作系统中，这意味着父目录（…）是实验性的。“Fwiw，我认为如果速度对这一点很重要，那么代码一定有一些组织问题。在我的系统上，一种糟糕但更快的方法：
微基准（bad=`noquote`（big_dt，names（big_dt）%like%“bar|baz”），good=big_dt[，.SD，.SDcols=name（big_dt）%like%“bar | baz”]）
Similar
setDT（as.list（big_dt）[name（big_dt）%like%“bar | baz”]）
你忘记了最后一个，在微基准测试中使用模式：）谢谢@emilBeBri，它只包含在结果中。我更新了代码。谢谢，这确实是data.table期待已久的功能。我用它更新了我的基准测试。它似乎工作较慢，但在许多情况下，它根本不重要。这与使用W的
相同ith
解决方案-对于问题，如果使用
%like%
或
grep（）选择
col
，则与此无关

Unit: microseconds
                  expr     min        lq     mean    median        uq       max neval
    subsetting(big_dt) 370.582  977.2760 1194.875 1016.4340 1096.9285  25750.94  5000
       usingSD(big_dt) 554.330 1084.8530 1352.039 1133.4575 1226.9060 189905.39  5000
     usingWith(big_dt) 238.481  832.7505 1017.051  866.6515  927.8460  22717.83  5000
   usingDotDot(big_dt) 256.005  844.8770 1101.543  878.9935  936.6040 181855.43  5000
 usingPatterns(big_dt) 569.787 1128.0970 1411.510 1178.2895 1282.2265 177415.23  5000
     usingLike(big_dt) 262.868  852.5805 1059.466  887.3455  948.6665  23971.70  5000