如何删除数据框中包含 R 中某些单词的行？答案

【问题标题】：How to remove rows in a dataframe that contain certain words in R?如何删除数据框中包含 R 中某些单词的行？
【发布时间】：2014-04-03 08:30:52
【问题描述】：

我正在尝试删除数据框中包含某个单词或某些单词序列的行。例如：

mydf <- as.data.frame(read.xlsx("C:\\data.xlsx, 1, header=T"))
head(df)
#     NO    ARTICLE    
# 1   34    New York Times reports blabla
# 2   42    Financial Times reports blabla
# 3   21    Greenwire reports blabla
# 4    3    New York Times reports blabla
# 5   46    Newswire reports blabla

我想从我的data.frame 中删除包含字符串“New York Times”和“Newswire”的行。我尝试过使用%in% 或grep 的不同方法，但我不太确定如何使用它！

我该怎么做？

【问题讨论】：

df[!grepl('New York Times',df$Article),]等
@Thomas - 你为什么不发布答案？

标签： r dataframe rows words

【解决方案1】：

根据我的评论，请使用grepl，当在您的向量中找到指定的字符串时，它会返回一个逻辑值。在您的情况下，类似于：

df[!grepl('New York Times',df$Article),]

应该可以解决问题。

【讨论】：

如何将其推广到删除任何向量包含感兴趣字符串的行？即类似df[!grepl('New York Times', df),]
@DavidPell 取决于您的变量是否都是字符。我建议发布一个新问题，因为答案太长，无法放在评论中。
完成 - stackoverflow.com/questions/36645801/…
这并不能真正回答问题，因为 OP 想要删除多个匹配项。

【解决方案2】：

# Sample Data
NO <- c(34, 42, 21, 3)
ARTICLE <- c('New York Times reports blah blah fake news',
             'Financial Times blah blah',
             'Fox News has been very nice to me',
             'Newswire reports blah blah')
df <- data.frame(NO, ARTICLE)

# Create List of Exclusion Phrases
fakenews <- c('New York Times', 'Newswire')

# Exclude
very.nice.to.me <- df[ !grepl(paste(fakenews, collapse="|"), df$ARTICLE),]

【讨论】：

这非常有效。即使我有超过 250.000 行和近 200 个不同的单词要排除，它也快如闪电。