在R中过滤匹配字符串条件的行答案

【问题标题】：Filtering Rows matching String condition in R在R中过滤匹配字符串条件的行
【发布时间】：2017-02-22 10:43:07
【问题描述】：

我在过滤字符串中的重复元素时遇到了一些问题。我的数据与此类似：

idvisit     path
1           1,16,23,59,16
2           2,14,19,14
3           5,19,23
4           10,21
5           23,27,29,23

我有一个包含唯一 ID 的列和一个包含网页导航路径的列。右列包含一些情况，其中页面被访问两次或更频繁，但在这些访问之间存在一些不同的页面。我只想过滤（）行，其中页面出现两次或更多次，并且两次访问之间至少有一个页面，因此数据应该如下所示。

idvisit     path
1           1,16,23,59,16
2           2,14,19,14
5           23,27,29,23

我只想删除符合条件的行。我真的不知道如何使用变量来处理许多不同数字的字符串。

【问题讨论】：

标签： r string filter

【解决方案1】：

您可以根据每个字符串中的元素数量进行过滤。具有重复条目的字符串将大于其唯一长度，即

df1[sapply(strsplit(as.character(df1$path), ','), function(i) length(unique(i)) != length(i)),]
#  idvisit          path
#1       1 1,16,23,59,16
#2       2    2,14,19,14
#5       5   23,27,29,23

【讨论】：

效果很好！非常感谢:)你有什么有用的链接，我可以自己了解更多关于这个字符串的东西吗？我在网上搜索了很多，但没有找到任何有用的提示来解决我的问题？
嗯，我学到的大部分东西，老实说，我都是从这里学到的

【解决方案2】：

我们可以试试

library(data.table)
lst <- strsplit(df1$path, ",")
df1[lengths(lst) != sapply(lst, uniqueN),]
#  idvisit          path
#1       1 1,16,23,59,16
#2       2    2,14,19,14
#5       5   23,27,29,23

或者使用tidyverse的选项

library(tidyverse)
separate_rows(df1, path) %>% 
     group_by(idvisit) %>% 
     filter(n_distinct(path) != n()) %>% 
     summarise(path = toString(path))

【讨论】：

不处理两次相同页面但中间没有其他页面的情况
@ira 更新了帖子

【解决方案3】：

您也可以使用grepl 尝试正则表达式：

df[grepl('.*([0-9]+),.*,\\1', as.character(df$path)),]
#  idvisit          path
#1       1 1,16,23,59,16
#2       2    2,14,19,14
#5       5   23,27,29,23

【讨论】：