r - 过滤包含来自向量的字符串的行答案

【问题标题】：r - Filter rows that contain a string from a vectorr - 过滤包含来自向量的字符串的行
【发布时间】：2016-12-08 01:25:27
【问题描述】：

我正在寻找一个函数，它接受一个数据框列，检查它是否包含来自字符串向量的文本，并在匹配时对其进行过滤（包括部分文本匹配）。

例如，取如下数据框：

animal     |count
aardvark   |8
cat        |2
catfish    |6
dog        |12
dolphin    |3
penguin    |38
prairie dog|59
zebra      |17

和下面的向量

c("cat", "dog")

我想遍历“动物”列，检查值是否完全或部分与向量中的字符串之一匹配，并过滤掉不匹配的字符串。生成的数据框将是：

animal     |count
cat        |2
catfish    |6
dog        |12
prairie dog|59

谢谢！

肖恩

【问题讨论】：

使用grepl: 因为df[grepl("(cat|dog)", df$animal),] 应该可以工作。

标签： r dplyr

【解决方案1】：

使用dplyr，假设您的表是df，您可以尝试以下操作：

library(dplyr)
library(stringr)
animalList <- c("cat", "dog")
filter(df, str_detect(animal, paste(animalList, collapse="|")))

我个人发现几个月后审查我的代码时使用dplyr 和stringr 更容易阅读。

【讨论】：

我不确定这是如何工作的，因为“动物”列没有完全匹配。
实际数据框的结构是什么？我们有包含玩具数据的可重现示例吗？
这个问题是它只过滤完全匹配（猫和狗），而不是部分匹配（鲶鱼和草原狗）。我应该指定的。不过，我很欣赏它的外观。
NP。添加了部分匹配解决方案。
当模式列表很长时，此解决方案效果很好。否则，将引发无效的正则表达式错误。

【解决方案2】：

我们可以使用grep

df1[grep(paste(v1, collapse="|"), df1$animal),]

或使用dplyr

df1 %>%
    filter(grepl(paste(v1, collapse="|"), animal))

【讨论】：

【解决方案3】：

对于大型数据集，以下 base R 方法可以比接受的答案快 15 倍。至少这是我的经验。

代码生成一个新的数据框来存储与给定值（动物）匹配的行的子集。

#Create placeholder data frame
new_df <- df[0, ]

#Create vector of unique values
animals <- unique(df$animal)

#Run the loop
for (i in 1:length(animals)){
    temp <- df[df$animal==animals[i], ] 
    new_df <- rbind(new_df,temp)
}

【讨论】：