仅过滤一列中包含两个字符串的行答案

【问题标题】：Filter only rows that contain exact two strings in a column仅过滤一列中包含两个字符串的行
【发布时间】：2021-12-24 23:14:11
【问题描述】：

我有一个如下的data.frame：

df = data.frame(sp_name = c("Xylopia brasiliensis", "Xylosma tweediana", "Zanthoxylum fagara subsp. lentiscifolium", "Schinus terebinthifolia var. raddiana", "Eugenia"), value = c(1, 2, 3, 4, 5))

这是交易：我只对 df 中包含恰好两个词（在我的例子中是 Xylopia brasiliensis 和 Xylosma tweediana）的行进行子集化/过滤感兴趣。我该如何进行？我在使用tidyverse 中的filter 函数时失败了

已经谢谢了。

【问题讨论】：

标签： r string filter tidyverse subset

【解决方案1】：

我们可以使用str_count在filter中创建一个逻辑向量

library(dplyr)
library(stringr)
df %>% 
    filter(str_count(sp_name, "\\w+") == 2)

-输出

               sp_name value
1 Xylopia brasiliensis     1
2    Xylosma tweediana     2

或者这也可以使用str_detect 来完成 - 从开头 (^) 匹配单词 (\\w+)，后跟一个空格，最后是另一个单词 (\\w+) ($) ) 的字符串

df %>%
    filter(str_detect(sp_name, "^\\w+ \\w+$"))

或者在base R 和grep

subset(df, grepl("^\\w+ \\w+$", sp_name))
               sp_name value
1 Xylopia brasiliensis     1
2    Xylosma tweediana     2

【讨论】：

我明白了！ \\w+ 表示我想要匹配？
@hiperhiper 如果您检查?regex The symbol \w matches a ‘word’ character。 + 是匹配一个或多个单词字符。如果我单独使用\\w，它将仅匹配 Xylopia 中的“X”。基本上，它要求匹配 grepl 或 str_detect 中从字符串开头到结尾的两个单词。所有其他多于或少于两个单词的元素都不会返回 TRUE
哦，我明白了。非常感谢。