Question

我正在尝试使用dplyr和grepl来研究如何从大型数据集中过滤一些观察结果。如果其他解决方案更加优化，我不会与grepl结合。

拿这个样本df：

df1 <- data.frame(fruit=c("apple", "orange", "xapple", "xorange", 
                          "applexx", "orangexx", "banxana", "appxxle"), group=c("A", "B") )
df1


#     fruit group
#1    apple     A
#2   orange     B
#3   xapple     A
#4  xorange     B
#5  applexx     A
#6 orangexx     B
#7  banxana     A
#8  appxxle     B

我想：

过滤掉以＆＃39; x＆＃39;
过滤掉那些以＆＃39; xx＆＃39;

我已经设法弄清楚如何摆脱包含＆＃39; x＆＃39;或者＆＃39; xx＆＃39;，但不是以开头或结尾。以下是如何摆脱＆＃39; xx＆＃39;里面（不仅仅是结束）：

df1 %>%  filter(!grepl("xx",fruit))

#    fruit group
#1   apple     A
#2  orange     B
#3  xapple     A
#4 xorange     B
#5 banxana     A

这显然是错误的＆＃39; （从我的角度来看）过滤了“appxxle＆＃39;。

我从来没有完全掌握正则表达式。我一直在尝试修改代码，例如：grepl("^(?!x).*$", df1$fruit, perl = TRUE)以尝试使其在过滤器命令中工作，但我不太明白。

预期产出：

#      fruit group
#1     apple     A
#2    orange     B
#3   banxana     A
#4   appxxle     B

如果可能，我想在dplyr内执行此操作。

Answer 1

我不了解你的第二个正则表达式，但这个更基本的正则表达式似乎可以解决这个问题：

df1 %>% filter(!grepl("^x|xx$", fruit))
###
    fruit group
1   apple     A
2  orange     B
3 banxana     A
4 appxxle     B

我认为你知道这一点，但你根本不必使用dplyr：

df1[!grepl("^x|xx$", df1$fruit), ]
###
    fruit group
1   apple     A
2  orange     B
7 banxana     A
8 appxxle     B

正则表达式正在寻找以x开头或以xx结尾的字符串。 ^和$分别是字符串开头和结尾的正则表达式锚点。 |是OR运算符。我们使用grepl否定了!的结果，因此我们找到的字符串与正则表达式中的字符串不匹配。

在dplyr中结合grepl过滤观察结果

1 个答案: