如何用dplyr在长字符串列匹配模式并筛选含全部目标组织的物种

示例数据 #

先假设你的数据结构如下（和你提供的示例一致）：

library(tibble)
df <- tibble(
  species = c("Human", "Human", "Human", "Human", "Mouse", "Mouse", "Mouse"),
  tissue = c("heart", "muscle", "kidney", "liver", "heart", "muscle", "kidney")
)

正确实现代码 #

首先定义目标组织列表，再通过分组检查每个物种是否包含所有目标组织：

library(dplyr)

# 目标组织向量
target_tissues <- c("heart", "muscle", "kidney", "liver")

# 方法1：分组筛选后去重，返回tibble格式结果
result <- df %>%
  group_by(species) %>%
  filter(all(target_tissues %in% tissue)) %>%
  distinct(species)

# 方法2：直接提取符合条件的物种字符向量
result_vec <- df %>%
  group_by(species) %>%
  summarise(has_all_tissues = all(target_tissues %in% tissue)) %>%
  filter(has_all_tissues) %>%
  pull(species)

运行后result会返回包含"Human"的 tibble，result_vec直接返回字符值"Human"，完全符合你的期望。

错误原因分析 #

你之前的代码返回空，大概率是没按物种分组检查全包含：比如错误地逐行匹配组织（如filter(tissue == target_tissues)），或者用any()代替all()，导致无法筛选出同时拥有所有目标组织的物种。

内容的提问来源于stack exchange，提问作者Apex