R：多列字符串的高效过滤器答案

【问题标题】：R: efficient filter for character strings in multiple columnsR：多列字符串的高效过滤器
【发布时间】：2018-03-26 21:11:55
【问题描述】：

我有一个名称数据框（名字和姓氏，有些是大写的，有些不是）和与每个名字相关的分数：

df = data.frame(name = c("Mark Johnson","John Roberts","Sue mcguire","kat Long","dan Scott"), name2 = c("sam marks", "Mark Jones", "tim briar", "jonas Stark", "Mike Robinson"), score = c(2,3,4,5,5))

  name             name2         score
1 Mark Johnson     sam marks     2
2 John Roberts    Mark Jones     3
3  Sue mcguire     tim briar     4
4     kat Long   jonas Stark     5
5    dan Scott Mike Robinson     5

我希望能够仅通过包含 either 列中的名字或姓氏来过滤我的数据框，例如：

    df %>% filter(name %in% c("mark","john","Long","briar"))

我想避免使用grepl，而是使用filter 和%in%。但是，这会返回：

[1] name  score
<0 rows> (or 0-length row.names)

而不是第 1、2、3 和 4 行。name|name2 也不起作用。也许是因为我需要在name 和name2 列上执行strsplit() 或类似的操作，然后重新组合。但是，这不是很优雅，我的 df 实际上是数百万行，所以对我来说性能很重要。实现这一目标的最佳方法是什么？

【问题讨论】：

标签： sql r dplyr

【解决方案1】：

我们可以试试filter_at

pat <- paste(c("mark","john","Long","briar"), collapse="|")
df %>% 
   filter_at(vars(matches('name')), any_vars(grepl(pat, ., ignore.case = TRUE)))

如果模式应该匹配两列，则将any_vars 替换为all_vars

【讨论】：

如果我的 df 是一个 sqlite 表，这会起作用吗？这就是为什么我想避免使用grepl，因为它不兼容。这是我指的链接：stackoverflow.com/questions/27468166/grepl-for-dplyr-sql-table
@warship 存在不兼容问题非常糟糕。如果要使用 %in%，则可能需要使用 separate 拆分最多两列。顺便说一句，所有函数都可以与 sqlite 一起使用
@warship 根据链接，%like% 应该可以工作。你试过了吗
是的，grepl 和 SQL 仍然不兼容 :(
我同意不兼容的问题，也许@hadley 会看到这个问题并揭秘......