R - 从数据框中删除不匹配（完全）列表元素的行答案

【问题标题】：R - remove rows from data frame that do not match (exactly) elements of listR - 从数据框中删除不匹配（完全）列表元素的行
【发布时间】：2022-12-02 23:40:57
【问题描述】：

想象一个数据框...

df <- rbind("A*YOU 1.000 0.780", "A*YOUR 1.000 0.780", "B*USE 0.800 0.678", "B*USER 0.700 1.000")
df <- as.data.frame(df)
df

...打印...

> df
                  V1
1  A*YOU 1.000 0.780
2 A*YOUR 1.000 0.780
3  B*USE 0.800 0.678
4 B*USER 0.700 1.000

...并且我想删除其中不完全包含列表的任何元素的任何行（此处称为 tenables）tenables <- c("A*YOU", "B*USE")，以便结果变为：

> df
                  V1
1  A*YOU 1.000 0.780
2  B*USE 0.800 0.678

关于如何解决这个问题的任何想法？提前谢谢了。

【问题讨论】：

标签： r list dataframe row

【解决方案1】：

> df[gsub("\s*\d+\.*", "", df$V1) %in% tenables, ,drop=FALSE]
                 V1
1 A*YOU 1.000 0.780
3 B*USE 0.800 0.678

【讨论】：

【解决方案2】：

由于您在 tenables 中有正则表达式特价（* 表示“前一个字符/类/组的 0 个或多个”），我们不能在 grep 调用中使用 fixed=TRUE。因此，我们需要找到那些特价商品并对它们进行反斜杠转义。从那里，我们将添加 \b（单词边界）以区分 YOU 和 YOUR，其中添加空格或任何其他字符可能会过度限制。

## clean up tenables to be regex-friendly and precise
gsub("([].*+(){}[])", "\\\1", tenables)
# [1] "A\*YOU" "B\*USE"

## combine into a single pattern for simple use in grep
paste0("\b(", paste(gsub("([].*+(){}[])", "\\\1", tenables), collapse = "|"), ")\b")
# [1] "\b(A\*YOU|B\*USE)\b"

## subset your frame
subset(df, !grepl(paste0("\b(", paste(gsub("([].*+(){}[])", "\\\1", tenables), collapse = "|"), ")\b"), V1))
#                   V1
# 2 A*YOUR 1.000 0.780
# 4 B*USER 0.700 1.000

正则解释：

\b(A\*YOU|B\*USE)\b
^^^                 ^^^  "word boundary", meaning the previous/next chars
                         are begin/end of string or from A-Z, a-z, 0-9, or _
   ^               ^     parens "group" the pattern so we can reference it
                         in the replacement string
    ^^^^^^^              literal "A", "*", "Y", "O", "U" (same with other string)
           ^             the "|" means "OR", so either the "A*" or the "B*" strings

【讨论】：