grepl与str_detect的区别及dplyr模糊筛选数据框的正确方法

先构建示例数据框：

library(dplyr)
df <- data.frame(
  col1 = sample(c('M017', 'M018', 'M019', 'M20', 'Other'), 20, replace = TRUE),
  col2 = sample(c('m017', 'm018', 'm019', 'm20', 'Other'), 20, replace = TRUE),
  col3 = sample(c('AM017', 'BM018', 'CM019', 'DM20', 'Other'), 20, replace = TRUE),
  stringsAsFactors = FALSE
)

需求 #

• 筛选出任意列中包含'M017'、'M018'模式的行
• 排除任意列中包含'M019'、'M20'模式的行

精确匹配实现 #

精确匹配的代码如下：

df_filtered <- df %>% 
  filter_all(any_vars(. %in% c('M017', 'M018'))) %>%
  filter_all(all_vars(!(. %in% c('M019', 'M20'))))

模糊筛选写法分析 #

你尝试的三种模糊筛选写法都是正确的，只是用到了dplyr不同版本的语法和不同字符串匹配工具：

写法1：if_any + grepl

df_filtered <- df %>% 
  filter(if_any(everything(), ~ grepl('M017|M018', ., ignore.case = TRUE))) %>%
  filter(!if_any(everything(), ~ grepl('M019|M20', ., ignore.case = TRUE)))

• if_any是dplyr 1.0.0+引入的新语法，替代旧版filter_all(any_vars(...))，逻辑更直观；
• grepl是base R内置的字符串匹配函数，返回逻辑值，ignore.case=TRUE实现忽略大小写匹配。

写法2：旧版filter_all + grepl

df_filtered <- df %>% 
  filter_all(any_vars(grepl('M017|M018', ., ignore.case = TRUE))) %>%
  filter_all(all_vars(!grepl('M019|M20', ., ignore.case = TRUE)))

• filter_all是dplyr旧版本的语法，any_vars表示任意列满足条件即可保留，all_vars要求所有列满足条件才保留；
• 逻辑上和写法1完全等价，适合dplyr 1.0.0之前的版本使用。

写法3：if_any + str_detect

df %>% 
  filter(if_any(everything(), ~ str_detect(., regex('M017|M018', ignore_case = TRUE)))) %>%
  filter(!if_any(everything(), ~ str_detect(., regex('M019|M20', ignore_case = TRUE))))

• str_detect是tidyverse生态下stringr包的函数，和grepl功能一致，都是检测字符串是否包含目标模式；
• regex('xxx', ignore_case=TRUE)用来定义忽略大小写的正则规则，效果和grepl的ignore.case=TRUE完全相同。

补充说明 #

• grepl（base R）和str_detect（stringr）核心功能一致，主要差异是参数顺序：grepl(模式, 字符串) vs str_detect(字符串, 模式)；
• 若使用tidyverse工具链，推荐str_detect+if_any的组合，语法风格更统一；习惯base R的话，grepl也完全够用。

内容的提问来源于stack exchange，提问作者farrow90