r - 在列中滿足特定條件時保留行

Question

df <- data.frame(a = c(1:5), b=c("df_1_1","df_1_2","df_2_3","df_1_1","df_2_4"))

只有當 b 列中最左邊的 5 個字符串是“_1_1”時，我才想保留行。 所以在這種情況下，只會保留第 1 行和第 4 行。

謝謝

Answer 1

我們可以使用grepl來匹配部分字符串，即字符串末尾（ $ ）的_1_1以subset base R中的那些行

subset(df, grepl('_1_1$', b))
#  a      b
#1 1 df_1_1
#4 4 df_1_1

Answer 2

另一個基本 R 選項使用subset + endsWith

> subset(df,endsWith(b,"_1_1"))
  a      b
1 1 df_1_1
4 4 df_1_1

Answer 3

首先，應僅以交互方式使用subset 。 當您想要子集時，使用標准子集： df$b和df[match_row,] 。

備擇方案：

通常，當您想要 grep 基礎 R 中的某個字符串時，您使用base::grep 。 如果您不需要正則表達式，您可以使用fixed=TRUE來加快 function。

在這里，我將比較 @akrun grepl 、 grep 、 @ThomasIsCoding 的endsWith （很好的發現！）和stringr庫中的解決方案。

基准測試：

df <- data.frame(a = c(1:5), b=c("df_1_1","df_1_2","df_2_3","df_1_1","df_2_4"))
match = "_1_1"

library("stringr")
library("microbenchmark")

microbenchmark(
    grepl("_1_1$", df$b),
    grep("_1_1", df$b),
    grep("_1_1", df$b, fixed=TRUE),
    endsWith(df$b, "_1_1"),
    stringr::str_ends(df$b, "_1_1")
    )

結果：

Unit: microseconds
                             expr    min      lq     mean  median      uq     max neval
             grepl("_1_1$", df$b)  8.903 10.5985 11.68160 11.4215 12.2405  30.818   100
               grep("_1_1", df$b)  9.020 10.0210 10.87328 10.8610 11.3625  15.101   100
 grep("_1_1", df$b, fixed = TRUE)  3.709  4.7350  5.22625  5.2385  5.7445   7.059   100
           endsWith(df$b, "_1_1")  2.049  2.7510  3.28577  3.1055  3.4460  23.906   100
           str_ends(df$b, "_1_1") 35.657 38.2500 41.69787 40.4805 41.9560 131.970   100

概括：

grep和grepl幾乎相同。 就個人而言，我發現grep由於其靈活性而更有用，所以我大部分時間都在使用它（例如，使用value=TRUE您可以返回匹配的值）。

雖然stringr和stringi庫受到了應有的贊揚，但與所有內置解決方案相比， str_ends的速度卻出奇地慢。 當您需要靈活性並且發現自己構建復雜的字符串匹配時， stringr可能是正確的選擇，但基本解決方案適用於大多數用例，在這種情況下，速度要快得多。

內置的endsWith勝過一切。 它是在純 C 中實現的專用且高度優化的解決方案。

正確的調用（沒有subset ）是：

df[endsWith(df$b, "_1_1"), ]