如何在 dplyr 过滤器中指定“不包含”

Posted 2023-02-27

【中文标题】如何在 dplyr 过滤器中指定“不包含”

【英文标题】：How to specify "does not contain" in dplyr filter

【发布时间】：2016-03-30 09:31:52

【问题描述】：

我对 R 很陌生。

使用名为SE_CSVLinelist_clean 的表，我想提取名为where_case_travelled_1 的变量不包含字符串"Outside Canada" 或"Outside province/territory of residence but within Canada" 的行。然后创建一个名为SE_CSVLinelist_filtered 的新表。

SE_CSVLinelist_filtered <- filter(SE_CSVLinelist_clean, 
where_case_travelled_1 %in% -c('Outside Canada','Outside province/territory of residence but within Canada'))

当我只使用“c”而不是“-c”时，上面的代码有效。 那么，当我真的想排除包含国家或省以外的行时，如何指定上述内容？

【问题讨论】：

如果您发现自己想经常使用“不包含”，您可能需要定义自己的函数。例如`%notin%` = function(x,y) !(x %in% y)。然后你可以使用x %notin% y 而不是!(x %in% y)。

【参考方案1】：

请注意，%in% 返回TRUE 和FALSE 的逻辑向量。要否定它，您可以在逻辑语句前面使用!：

SE_CSVLinelist_filtered <- filter(SE_CSVLinelist_clean, 
 !where_case_travelled_1 %in% 
   c('Outside Canada','Outside province/territory of residence but within Canada'))

关于您使用 -c(...) 的原始方法，- 是一个一元运算符，它“对数字或复数向量（或可以强制转换为它们的对象）执行算术运算”（来自 help("-")）。由于您正在处理无法强制转换为数字或复数的字符向量，因此您不能使用-。

【参考方案2】：

尝试将搜索条件放在括号中，如下所示。这将返回括号内的条件查询的结果。然后通过将其设置为 FALSE 来测试其结果以确定它是否为负（即它不属于向量中的任何选项）。

SE_CSVLinelist_filtered <- filter(SE_CSVLinelist_clean, 
(where_case_travelled_1 %in% c('Outside Canada','Outside province/territory of residence but within Canada')) == FALSE)

【参考方案3】：

请注意以前的解决方案，因为它们需要准确输入您要检测的字符串。

问问自己，例如，“外部”一词是否足够。如果是，那么：

data_filtered <- data %>% 
  filter(!str_detect(where_case_travelled_1, "Outside")

一个代表版本：

iris

iris %>% 
  filter(!str_detect(Species, "versicolor"))

【讨论】：

技术上是 stringr 函数，而不是 dplyr。但是是 tidyverse 的一部分。这是一个很好的解决方案。

【参考方案4】：

快速修复。先定义%in%的反义词：

  '%ni%' <- Negate("%in%")

然后申请：

SE_CSVLinelist_filtered <- filter(
    SE_CSVLinelist_clean, 
    where_case_travelled_1 %ni% c('Outside Canada',
      'Outside province/territory of residence but within Canada'))