如何基于列表过滤含多值的R语言DataFrame列

注意：你提供的coastal列表中"Santa Barabara"存在拼写错误，正确应为"Santa Barbara"，以下示例代码已修正该问题。

方法1：基础R拆分字符串后检查匹配 #

这种方法会把每个countyid的字符串按, 拆分成单个县名，再逐一检查是否有县名在coastal列表中，匹配逻辑最准确，能避免部分匹配的误判（比如不会把"Santa"当成"Santa Barbara"）：

# 定义修正后的沿海县列表
coastal <- c("Orange", "San Diego", "Los Angeles", "Santa Barbara")

# 过滤数据框：拆分每个countyid，检查是否存在匹配项
coastal_df <- df[sapply(strsplit(df$countyid, ", "), function(x) any(x %in% coastal)), ]

方法2：基础R正则表达式匹配 #

通过构建精准的正则表达式，直接检测countyid字符串中是否包含任一完整的沿海县名：

coastal <- c("Orange", "San Diego", "Los Angeles", "Santa Barbara")

# 构建正则：匹配字符串开头/逗号+空格 包裹的完整县名，避免部分匹配
coastal_regex <- paste0("(^|, )(", paste(coastal, collapse = "|"), ")(, |$)")

# 用grepl检测匹配行并过滤
coastal_df <- df[grepl(coastal_regex, df$countyid), ]

方法3：tidyverse工具链实现 #

如果你习惯使用dplyr、stringr等tidyverse包，可选择以下两种方式：

方式A：直接字符串检测 #

library(dplyr)
library(stringr)

coastal <- c("Orange", "San Diego", "Los Angeles", "Santa Barbara")

coastal_df <- df %>%
  filter(str_detect(countyid, regex(paste(coastal, collapse = "|"))))

方式B：拆分行筛选后去重 #

这种方式逻辑直观，适合需要查看拆分后单个县匹配情况的场景：

library(dplyr)
library(tidyr)

coastal <- c("Orange", "San Diego", "Los Angeles", "Santa Barbara")

coastal_df <- df %>%
  # 按", "将多县字符串拆分为单独行
  separate_rows(countyid, sep = ", ") %>%
  # 筛选出在沿海列表中的县
  filter(countyid %in% coastal) %>%
  # 去重还原为原数据框的行
  distinct()

内容的提问来源于stack exchange，提问作者Thomas