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”，我有一个单独的几个物种缩写的向量，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

stringr

。主要技巧是创建一个具有替代方案的复合模式（

"|"

）。这是通过

paste

完成的。美元符号与字符串的末尾匹配，因此

abbrevs

必须结束正在搜索的数据。

df <- data.frame(
  season = c("A","B","C","D","E"),
  survey_id = 1:5,
  pollinator = c("insect_F.vp","bird_L.ts","insect_P.qr","insect_V.cl","bird_H.dw")
)
abbrevs <- c("L.ts","P.qr","H.dw")

pat <- paste0(abbrevs, "$", collapse = "|")

# base R
i <- grepl(pat, df$pollinator)
# package stringr
j <- stringr::str_detect(df$pollinator, pat)

df[i, ]
#>   season survey_id  pollinator
#> 2      B         2   bird_L.ts
#> 3      C         3 insect_P.qr
#> 5      E         5   bird_H.dw

df[j, ]
#>   season survey_id  pollinator
#> 2      B         2   bird_L.ts
#> 3      C         3 insect_P.qr
#> 5      E         5   bird_H.dw

创建于 2023-08-24，使用

reprex v2.0.2

Answer 2

apply

系列：

df <- df <- as.data.frame(df)

df[apply(sapply(abbrevs, function(x) grepl(x, df$pollinator)), 1, any), ]


  season survey_id  pollinator
2      B         2   bird_L.ts
3      C         3 insect_P.qr
5      E         5   bird_H.dw