如何在R中按多类字符串模式筛选DataFrame数据行

现有一个包含编码列的大型DataFrame，示例数据如下：

需要筛选保留两类编码：

• 所有以字母C开头的编码
• 以字母D开头，且后续数字部分为00到48的编码（如D00、D10、D48等，D49及以后的编码排除）

已实现C开头编码的筛选：

df_filtered <- df %>% 
  filter(str_detect(death_cause, "^C"))

尝试创建目标D编码向量并筛选，但未成功：

D_codes <- paste("D", 00:48, sep = "")
df_filtered <- df %>% 
      filter(str_detect(death_cause, "^C") | str_detect(death_cause, D_codes ) )

需要用tidyverse工具（dplyr、stringr）实现两类编码的同时筛选。

方法一：正则表达式直接匹配 #

通过正则表达式同时覆盖两类筛选条件，无需额外生成编码向量：

library(dplyr)
library(stringr)

df_filtered <- df %>%
  filter(str_detect(death_cause, "^C|^D(0[0-9]|[1-3][0-9]|4[0-8])"))

正则逻辑说明 #

• ^C：匹配所有以C开头的编码
• ^D(0[0-9]|[1-3][0-9]|4[0-8])：
  • ^D：限定以D开头
  • 0[0-9]：匹配00-09的数字组合
  • [1-3][0-9]：匹配10-39的数字组合
  • 4[0-8]：匹配40-48的数字组合
  • 三个分支用|分隔，完整覆盖00-48的范围

方法二：提取数字段做数值判断 #

如果编码格式固定为「字母+三位字符（数字/X）」，可以提取D开头编码的前两位数字，转成数值后判断范围：

df_filtered <- df %>%
  filter(
    str_detect(death_cause, "^C") |
    (str_detect(death_cause, "^D") & 
     as.numeric(str_sub(death_cause, 2, 3)) %in% 0:48)
  )

逻辑说明 #

• str_sub(death_cause, 2, 3)：提取编码第2-3位（即D后面的两位数字）
• as.numeric()将提取的字符转成数值，判断是否属于0-48区间
• 用str_detect(death_cause, "^D")限定只对D开头的编码执行数字判断

原方法失败原因 #

你之前生成的D_codes是D0、D1...D48，但实际编码是三位/四位字符（如D181），匹配逻辑不对应；更关键的是str_detect无法直接接收向量作为匹配模式，它只会使用向量的第一个元素，导致筛选逻辑失效。

内容的提问来源于stack exchange，提问作者Josh