如何筛选值含特定字符串的变量及排除带法语重音的字符变量

问题1：如何选择值中包含特定字符串的变量？ #

要筛选数据框中值里存在特定字符串的变量，可结合dplyr的select()和where()，搭配stringr的str_detect()实现。核心逻辑是对每个变量判断：是否至少有一个值包含目标字符串，用any()来确认整个变量是否符合条件。

示例代码（以包含字符串"ç"为例）：

library(dplyr)
library(stringr)

# 构造示例数据框
var1 <- rep(c("fran\0xC3cais", "english"), 100)
var2 <- rnorm(200)
var3 <- rep(c("français", "english"), 100)
df <- data.frame(var1=var1, var2=var2, var3=var3)

# 选择值中包含"ç"的变量
df %>% 
  select(where(~ any(str_detect(.x, "ç"))))

问题2：选择数据框中的所有字符型变量，但排除包含正确重音法语内容的变量 #

需求可拆解为两步：先筛选所有字符型变量，再排除值中包含法语重音（比如"ç"）的变量，以下两种方法都能实现：

方法1：分步筛选 #

df %>% 
  select(where(is.character)) %>%  # 先选中所有字符型变量
  select(!where(~ any(str_detect(.x, "ç"))))  # 排除包含"ç"的变量

方法2：合并逻辑 #

直接在select()里组合两个判断条件：

df %>% 
  select(where(~ is.character(.x) && !any(str_detect(.x, "ç"))))

注意点 #

原示例中的var1值是"fran\0xC3cais"，属于编码错误导致的乱码，实际并不包含正确的"ç"字符，因此上述代码会保留var1、排除var3，完全符合需求。

内容的提问来源于stack exchange，提问作者spindoctor