基于多个字符串的部分匹配的 R 数据框中的子集行答案

【问题标题】：Subset rows in an R dataframe based on partial match of multiple strings基于多个字符串的部分匹配的 R 数据框中的子集行
【发布时间】：2020-02-25 22:46:59
【问题描述】：

我认为没有人问过这个确切的问题 - 很多关于基于一个值（即x[grepl("some string", x[["column1"]]),]）的子集的东西，但不是多个值/字符串。

这是我的数据示例：

#create sample data frame
data = data.frame(id = c(1,2,3,4), phrase = c("dog, frog, cat, moose", "horse, bunny, mouse", "armadillo, cat, bird,", "monkey, chimp, cow"))

#convert the `phrase` column to character string (the dataset I'm working on requires this)
data$phrase = data$phrase

#list of strings to remove rows by
remove_if = c("dog", "cat")

这将给出一个如下所示的数据集：

  id                phrase
1  1 dog, frog, cat, moose
2  2   horse, bunny, mouse
3  3 armadillo, cat, bird,
4  4    monkey, chimp, cow

我想删除第 1 行和第 3 行（因为第 1 行包含“狗”，第 3 行包含“猫”），但保留第 2 行和第 4 行。

  id                phrase
1  2   horse, bunny, mouse
2  4    monkey, chimp, cow

换句话说，我想对data 进行子集化，使其只有（标题和）第 2 行和第 4 行（因为它们既不包含“狗”也不包含“猫”）。

谢谢！

【问题讨论】：

标签： r grepl

【解决方案1】：

我们可以在paste将“remove_if”转换为单个字符串之后使用grepl 和subset

subset(data, !grepl(paste(remove_if, collapse="|"), phrase))
#    id              phrase
#2  2 horse, bunny, mouse
#4  4  monkey, chimp, cow

【讨论】：

在真实数据集上按预期工作 - 谢谢！

【解决方案2】：

使用grep

> data[grep(paste0(remove_if, collapse = "|"), data$phrase, invert = TRUE), ]
  id              phrase
2  2 horse, bunny, mouse
4  4  monkey, chimp, cow

【讨论】：

【解决方案3】：

如果您想将其与dplyr 和stringr 混合使用：

library(stringr)
library(dplyr)

data %>%
  filter(str_detect(phrase, paste(remove_if, collapse = "|"), negate = TRUE))
#   id              phrase
# 1  2 horse, bunny, mouse
# 2  4  monkey, chimp, cow

【讨论】：

【解决方案4】：

data[!grepl(paste0("(^|, )(", paste0(remove_if, collapse = "|"), ")(,|$)"), data$phrase),]

# id                    phrase
#  2 caterpillar, bunny, mouse
#  4        monkey, chimp, cow

在这个例子中构造的正则表达式是"(^|, )(dog|cat)(,|$)"，以避免匹配包含“cat”或“dog”但实际上不是确切的单词的单词，例如'毛毛虫'

【讨论】：

【解决方案5】：

另一种方式（也许不是最好的方式）：

data[-unique(unlist(sapply(c(remove_if),function(x){grep(x,data$phrase)}))),]
  id              phrase
2  2 horse, bunny, mouse
4  4  monkey, chimp, cow

【讨论】：