r - 如何比较 R 中两个单独数据框的列名？

Question

我在 R 中有 2 个带有表观遗传数据的数据框。要将其中一个用作训练集，另一个用作 glmnet 包中的测试集，列号(如果它们必须匹配)。由于两个数据框都包含超过 800000 列，我正在寻找一种方法来比较 2 个数据框的名称列，以便我可以删除两者没有共同点的列。到目前为止，我刚刚找到了将两个数据帧的行相互比较的包和函数。
例如，我正在寻找这样的东西:

df1
participant_code cg123  cg122  cg121  cg120

df2
participant_code cg123  cg122  cg121  cg119

该功能会给我然后例如一个表格，其中显示了哪些 colnames 不同:

colname 5 differs

如果您对我的问题提出任何建议，或者就如何使我的帖子更易于理解提供反馈，我将不胜感激。

Answer 1

您正在寻找两个数据框的列名的交集。您可以简单地使用命令 intersect达到你想要的。首先，您提取两个数据框的名称。然后你使用 intersect . intersect的结果包含两个数据框中任意一个中的列名称。将此对象用于初始数据帧的子集，您就完成了。

# define data frames with dummy data
df1 <- data.frame(participant_code = 1,
                  cg123            = 2,
                  cg122            = 3, 
                  cg121            = 4,
                  cg120            = 5)

df2 <- data.frame(participant_code = 6,
                  cg123            = 7,
                  cg122            = 8, 
                  cg121            = 9,
                  cg119            = 10)

# extract column names of the data frames
cols_df_1 <- names(df1)
cols_df_2 <- names(df2)

# find the intersection of both column name vectors
cols_intersection <- intersect(cols_df_1, cols_df_2)

# subset the initial data frames
df1_sub <- df1[,cols_intersection]
df2_sub <- df2[,cols_intersection]

# print to console and see result
df1_sub
#participant_code cg123 cg122 cg121
#               1     2     3     4

df2_sub
#participant_code cg123 cg122 cg121
#               6     7     8     9