根据正则表达式模式和 ID 过滤行

Question

我有一个这样的df ：

df <- data.frame(
  id = c("A", "A", "B", NA, "A", "B", "B", "B"),
  speech = c("hi", "how are you [Larry]?", "[uh]", "(0.123)", "I'm fine [you 'n Mary] how's it [goin]?", "[erm]", "(0.4)", "well")
)

我想过滤掉那些行（1），其中speech完全由从字符串开始到字符串结束的方括号[...]包裹的表达式组成，并且（2）那些具有相同ID的行，这些行位于[...]构成了整个speech 。 我知道如何用[...]过滤掉行：

df %>%
  group_by(grp = rleid(id)) %>%
  filter(grepl("^\\[.*?\\]$", speech))

但我不知道如何过滤掉[...]行之后的相同ID行。 所需的 output是这样的：

df
  id speech
1  B   [uh]
2  B  [erm]
3  B  (0.4)
4  B   well

Answer 1

在 OP 的代码中使用rleid创建分组索引，然后filter掉在 'speech' 的first元素中没有[的组， ungroup

library(dplyr)
library(data.table)
library(stringr)
df %>% 
    group_by(grp = rleid(id)) %>% 
    filter(str_detect(first(speech), "^\\[")) %>% 
    ungroup  %>%
    select(-grp)

-输出

# A tibble: 4 x 2
#  id    speech
#  <chr> <chr> 
#1 B     [uh]  
#2 B     [erm] 
#3 B     (0.4) 
#4 B     well  

编辑：基于@ChrisRuehlemann 的评论