使用UDF筛选数据框行时第二个UDF失效的原因排查

我是R语言新手，想写一个自定义函数（UDF）来筛选数据框的行，功能是判断指定值是否存在于逗号分隔的字符串列表中。

我写了两个返回TRUE/FALSE的UDF版本：

函数1：使用正则匹配 #

blValInListExist1 <- function(inLst,inVal)
 {
  # 给目标值加上正则边界
  sValInBoundaries <- paste0("\\b",inVal,"\\b");

  blRet <- grepl(sValInBoundaries,inLst)
 
  return(blRet)
 }

函数2：拆分字符串后匹配 #

blValInListExist2 <- function(inLst,inVal,inDel=",")
 {
  # 测试时正常，但筛选数据框时失效
  blRet <- inVal %in% unlist(strsplit(inLst, split=inDel))
 
  return(blRet)
 }

测试用数据框 #

iID <- c(1,2,3,4)
tCsv <- c("21,5","1,3","2","a,1")
fVal <- c(1.1,2.2,3.3,4.4)

dfBase <- data.frame(iID,tCsv,fVal)

输出：

iID tCsv fVal
 1 21,5  1.1
 2  1,3  2.2
 3    2  3.3
 4  a,1  4.4

筛选结果对比 #

• 使用函数1筛选（预期得到第2、4行）：

df1 <- dfBase[blValInListExist1(dfBase$tCsv,1),]
df1

输出符合预期：

iID tCsv fVal
 2  1,3  2.2
 4  a,1  4.4

• 使用函数2筛选（错误返回所有行）：

df2 <- dfBase[blValInListExist2(dfBase$tCsv,1),]
df2

输出：

iID tCsv fVal
 1 21,5  1.1
 2  1,3  2.2
 3    2  3.3
 4  a,1  4.4

但单独测试函数2时结果正常：

sCsv = "21,5"
blValInListExist2(sCsv,1) # 返回FALSE

sCsv = "a,1"
blValInListExist2(sCsv,1) # 返回TRUE

疑问 #

为什么第二个UDF在筛选数据框行时无法正常工作？问题出在哪？

原因分析与修复 #

核心问题：向量处理逻辑错误 #

当你传入dfBase$tCsv（一个长度为4的字符向量）给strsplit时，strsplit会返回一个列表，每个元素是对应字符串拆分后的向量。而unlist(strsplit(...))会把整个列表拆成一个长度为所有拆分后元素总和的向量（这里是"21","5","1","3","2","a","1"，共7个元素）。

此时inVal %in% unlist(...)会判断1是否存在于这个合并后的大向量中——显然存在，所以返回单个TRUE。而R在数据框索引时，如果传入单个逻辑值，会把它循环扩展成和数据框行数相同的向量（即4个TRUE），所以所有行都被保留了。

简单说：你的函数是面向单个字符串写的，但没有处理输入是向量的情况，导致批量处理时逻辑完全错误。

修复方法：让函数支持向量输入 #

要让函数对每个字符串单独判断，有两种常用方式：

方法1：用Vectorize包装原函数

blValInListExist2_fixed <- Vectorize(blValInListExist2)
# 现在筛选就正常了
df2_fixed <- dfBase[blValInListExist2_fixed(dfBase$tCsv,1),]

方法2：重写函数，使用sapply逐个处理

blValInListExist2_fixed <- function(inLst,inVal,inDel=",") {
  sapply(inLst, function(x) inVal %in% strsplit(x, split=inDel)[[1]])
}

测试修复后的函数：

blValInListExist2_fixed(dfBase$tCsv,1)
# 返回：FALSE TRUE FALSE TRUE

用这个结果筛选数据框，就能得到预期的第2、4行。

额外说明：函数1为什么正常？ #

grepl本身就是向量化函数，它会自动对输入的每个字符串单独执行匹配，所以直接传入向量也能返回对应长度的逻辑向量，符合数据框索引的要求。

内容的提问来源于stack exchange，提问作者cadol_askUbu