将数据框中的两个向量与 %in% 与 R 进行比较

Question

将数据框中的两个向量与 %in% 进行比较

我有以下数据

T1 <- data.frame( "Col1" = c("a", "b", "aa", "d"), "Col2" = c("a,b,c", "aa,c,d", "c,d,e", "d,f,g") )

Col1	Col2
一个	a,b,c
b	aa,c,d
啊	c,d,e
d	d,f,g

我想从这个向量c（“a”，“e”，“g”）中选择包含一个字符的行，指定columna

library(dplyr)

T1 %>% filter(Col1 %in% c("a", "e", "g"))

我回来了

1 aa,b,c

这是正确的，但如果我想比较两个向量，例如：

使用 unlist 和 strsplit，我将每一行的值转换为字符向量，并尝试将其与参考向量进行比较以选择包含任何值的行：

unlist(strsplit(T1$Col2[1],","))

[1] "a" "b" "c"

T1 %>% filter(unlist(strsplit(Col2,",")) %in% c("a", "e", "g"))

它给了我一个错误： filter()中的错误：！ 计算..1 = unlist(strsplit(Col2, ",")) %in% c("a", "e", "g")问题。 ✖ 输入..1的大小必须为 4 或 1，而不是 12。运行]8;;rstudio:run:rlang::last_error()rlang::last_error() ]8;; 查看错误发生的位置。

我可以这样做：

T1[grep(c("a|e|g"), T1$Col2),]

1 aa,b,c

2 b aa,c,d

3 aa c,d,e

4 dd,f,g

但这是错误的，第3 aa c,d,e不应该是，因为它不是a ，它是aa

要单独搜索"a" ，您必须执行以下操作：

T1[grep(c("\\<a\\>"), T1$Col2),]

我认为使用这种形式我最终会犯错误，它将给我更多的安全性来比较向量和向量：

T1 %>% filter(unlist(strsplit(Col2,",")) %in% c("a", "e", "g"))

Answer 1

编辑后的答案

您可以将语法\\b用于正则表达式单词边界。 该| 用于与类似或操作相邻的边界。 您可以使用以下代码：

T1 <- data.frame( "Col1" = c("a", "b", "aa", "d"), "Col2" = c("a,b,c", "aa,c,d", "c,d,e", "d,f,g") )
library(dplyr)
library(stringr)
T1 %>% 
  filter(grepl("\\b(a|e|g)\\b", Col2))
#>   Col1  Col2
#> 1    a a,b,c
#> 2   aa c,d,e
#> 3    d d,f,g

^{由reprex 包于 2022-07-16 创建 (v2.0.1)}

注意： \\b用于 R 版本 4.1+，否则使用\b 。

旧答案

它返回所有行，因为您检查 Col2 中是否存在字符串之一，并且您可以看到在第 3 行中，存在“e”，这是字符串之一，这就是它返回第 4 行的原因。您也可以使用str_detect这个：

library(dplyr)
library(stringr)
T1 <- data.frame( "Col1" = c("a", "b", "aa", "d"), "Col2" = c("a,b,c", "aa,c,d", "c,d,e", "d,f,g") )
vector <- c("a", "e", "g")
T1 %>%  
  filter(any(str_detect(Col2, paste0(vector, collapse="|"))))
#>   Col1   Col2
#> 1    a  a,b,c
#> 2    b aa,c,d
#> 3   aa  c,d,e
#> 4    d  d,f,g

^{由reprex 包于 2022-07-16 创建 (v2.0.1)}

如果要检查字符串是否存在，则在两列中都存在其中之一。 您可以使用以下代码：

library(dplyr)
library(stringr)
T1 <- data.frame( "Col1" = c("a", "b", "aa", "d"), "Col2" = c("a,b,c", "aa,c,d", "c,d,e", "d,f,g") )
vector <- c("a", "e", "g")
T1 %>% 
  filter(Reduce(`|`, across(all_of(colnames(T1)), ~str_detect(paste0(vector, collapse="|"), .x))))
#>   Col1  Col2
#> 1    a a,b,c

^{由reprex 包于 2022-07-16 创建 (v2.0.1)}

Answer 2

您可以实现此目的的另一种方法（使用带有 strsplit 的原始方法）是执行rowwise()并“求和”逻辑测试。

T1 %>% 
  rowwise() %>% 
  filter(sum(unlist(strsplit(Col2,",")) %in% c("a","e","g")) >= 1)