Question

我不曾问过这个确切的问题-基于一个值（例如x[grepl("some string", x[["column1"]]),]）的子集上有很多东西，但是没有多个值/字符串。

以下是我的数据示例：

#create sample data frame
data = data.frame(id = c(1,2,3,4), phrase = c("dog, frog, cat, moose", "horse, bunny, mouse", "armadillo, cat, bird,", "monkey, chimp, cow"))

#convert the `phrase` column to character string (the dataset I'm working on requires this)
data$phrase = data$phrase

#list of strings to remove rows by
remove_if = c("dog", "cat")

这将提供如下数据集：

  id                phrase
1  1 dog, frog, cat, moose
2  2   horse, bunny, mouse
3  3 armadillo, cat, bird,
4  4    monkey, chimp, cow

我要删除第1行和第3行（因为第1行包含“ dog”，第3行包含“ cat”），但保留第2行和第4行。

  id                phrase
1  2   horse, bunny, mouse
2  4    monkey, chimp, cow

换句话说，我想对data进行子集设置，使它仅位于（标题和）第2行和第4行（因为它们既不包含“ dog”也不包含“ cat”）。

谢谢！

Answer 1

使用grep

> data[grep(paste0(remove_if, collapse = "|"), data$phrase, invert = TRUE), ]
  id              phrase
2  2 horse, bunny, mouse
4  4  monkey, chimp, cow

Answer 2

在grepl将'remove_if'更改为单个字符串后，我们可以将subset与paste一起使用

subset(data, !grepl(paste(remove_if, collapse="|"), phrase))
#    id              phrase
#2  2 horse, bunny, mouse
#4  4  monkey, chimp, cow

Answer 3

function eraseCookie(name) {   
document.cookie = name+'=; Max-Age=-99999999;';  }

在此示例中构造的正则表达式为data[!grepl(paste0("(^|, )(", paste0(remove_if, collapse = "|"), ")(,|$)"), data$phrase),] # id phrase # 2 caterpillar, bunny, mouse # 4 monkey, chimp, cow，以避免匹配包含“ cat”或“ dog”但实际上不是确切单词的单词，例如“毛毛虫”

Answer 4

如果您想将其与dplyr和stringr混合使用：

library(stringr)
library(dplyr)

data %>%
  filter(str_detect(phrase, paste(remove_if, collapse = "|"), negate = TRUE))
#   id              phrase
# 1  2 horse, bunny, mouse
# 2  4  monkey, chimp, cow

Answer 5

另一种方式（也许不是最好的方式）：

data[-unique(unlist(sapply(c(remove_if),function(x){grep(x,data$phrase)}))),]
  id              phrase
2  2 horse, bunny, mouse
4  4  monkey, chimp, cow

基于多个字符串的部分匹配，对R数据帧中的行进行子集

5 个答案: