加快 R 中的字符串过滤答案

【问题标题】：Speed up string filtering in R加快 R 中的字符串过滤
【发布时间】：2018-04-05 18:22:21
【问题描述】：

我有一个数据框，其中有一列以逗号分隔的代码。我目前正在通过查看代码列来过滤此数据框，如果列表中出现代码，我会保留该行。我的问题是这个数据框正在扩展，可接受的代码列表也是如此，所以如果可能的话，我想加快这个过程。理想情况下，有一种方法可以将一行标记为已检查，如果该行中有一个好的代码，则不必再次检查所有其他可接受的代码。

当前数据框如下所示：

Code_column
,12ab,
,12ab,123b,
,456t,345u,
,12ab,789p,

好代码列表：

good_codes <- c(',123b,', ',456t,', ',345u,')

我目前的过滤过程：

df %>%
filter(sapply(`Code_column`, 
            function(x) any(sapply(good_codes, str_detect, string = x))) == TRUE)

最后一栏

Code_column
,12ab,123b,
,456t,345u,

【问题讨论】：

标签： r string dplyr sapply stringr

【解决方案1】：

我认为我们不需要sapply

df[str_detect(df$Code_column,paste(good_codes, collapse = '|')),]
[1] ",12ab,123b," ",456t,345u,"

你可以通过 |与str_detect

paste(good_codes, collapse = '|')
[1] ",123b,|,456t,|,345u,"

【讨论】：

我认为这也是基础 R 中的df[ grepl(paste(good_codes, collapse='|'), df$CCode_column),]。