返回基于向量中相似（不相同）元素的数据框子集？

Question

我有一个数据框（dim 2914 x 6），其中一列是动物组和物种缩写的向量，例如“bird_F.pw”，并且我有一个包含几个物种缩写的单独向量，例如“F.pw”。我试图提取数据框中动物组和物种缩写与缩写相似的所有数据行（即，我不知道前缀）。我想使用 %in% 和 %like% 等运算符，但我无法找到生成不相同匹配的方法。

这是一个示例数据框：

df<-cbind(
c("A","B","C","D","E"),
c(1:5),
c("insect_F.vp","bird_L.ts","insect_P.qr","insect_V.cl","bird_H.dw"))
colnames(df) <- c("season","survey_id","pollinator")

这是我想在该数据框中搜索的缩写向量：

abbrevs <- c("L.ts","P.qr","H.dw")

我的预期结果是：

output <- cbind(c("B","C","E"),c(2:3,5),c("bird_L.ts","insect_P.qr","bird_H.dw"))
colnames(output) <- colnames(df)

Answer 1

如果您不想使用正则表达式，可以使用这些替代方案。这是一个 tidyverse 的

find_any_fixed <- function(x, patterns) {
  purrr::map(patterns, ~stringr::str_detect(x, stringr::fixed(.x))) |> purrr::reduce(`|`)
}

这是基本 R 版本

find_any_fixed <- function(x, patterns) {
  Map(function(.x) grepl(.x, x, fixed=TRUE), patterns) |> Reduce(`|`, x=_)
}

在这两个解决方案中，我确保使用“固定”选项，因为“。” 当您使用正则表达式时，意味着一些特殊的东西。由于您似乎想要完全匹配句点，因此您需要让搜索工具知道您没有使用正则表达式

您可以使用它来查找匹配的模式。这些示例假设df是一个 data.frame ( df <- as.data.frame(df))。例如

find_any_fixed(df$pollinator, abbrevs)
# [1] FALSE  TRUE  TRUE FALSE  TRUE

你可以用它来子集

# Tidyverse
df %>% filter(find_any_fixed(pollinator, abbrevs))
# Base R
subset(df, find_any_fixed(pollinator, abbrevs))