使用 R，如何过滤一列以将项目包含在另一列中？答案

【问题标题】：Using R, how to filter a column to keep item contained in another?使用 R，如何过滤一列以将项目包含在另一列中？
【发布时间】：2016-11-26 08:06:14
【问题描述】：

我确实有一个像这样的数据框

columna <- c(1,2,3)
columnb <- c("a b e", "c d", "a c d")
columnc <- as.Date(c('2010-11-1','2008-3-25','2007-3-14'))
alldata <- data.frame(columna,columnb,columnc)
tokeep <- c("c", "e")

我想得到相同的alldata 和columnb 修改为只保留在columnb 中找到tokeep 中的字符串。

理想情况下，我希望拥有alldata$columnb

[ "e", "c", "c" ]

我首先认为我可以使用类似的东西

filter(alldata, alldata$columnb %in% tokeep)
alldata[which(alldata$b %in% tokeep), ]

但我无法找到解决方案。

有人可以指导我吗？

【问题讨论】：

标签： r

【解决方案1】：

我们可以尝试使用gsub 将我们不想要的字符替换为空字符串

alldata$columnb<- gsub(paste0("[^",paste0(tokeep,collapse = "|"),"]"),"", alldata$columnb)

alldata
#  columna columnb    columnc
#1       1       e 2010-11-01
#2       2       c 2008-03-25
#3       3       c 2007-03-14

我们正在创建的正则表达式是

paste0("[^",paste0(tokeep, collapse = "|"), "]")

#[1] "[^c|e]"

表示除c 或e 之外的任何内容。

编辑

根据 Wiktor 的评论，我们可能需要正则表达式作为

paste0("[^",paste0(tokeep,collapse = ""),"]")
#[1] "[^ce]"

【讨论】：

很遗憾我现在不能投票。这真是聪明的罗纳克！
[^c|e] 表示不是c、| 和e，你绝对不需要|。此外，[^e] 是一个否定的 character 类，它不适用于超过 1 个字符的字符串。
我明白了。谢谢维克托。根据 OP 显示的示例，我假设 columnb 中的值仅为 1 个字符。

【解决方案2】：

另一个选项是str_extract

library(stringr)
alldata$columnb <- str_extract(alldata$columnb, paste(tokeep, collapse="|"))
alldata$columnb
[#1] "e" "c" "c"

【讨论】：