基于字符串部分匹配筛选DataFrame行的dplyr实现方法

先明确你的数据集和需求场景：

df <- data.frame(name = c("Donald Duck", "Daisy Duck", "Louie Duck", "Dewey D.", "Huey Duck"),
                 grade = c(44,39,17,78,43))
stringvector <- c("Donald Duck", "Dewey Duck", "Daisy Duk")

%in%只能做完全匹配，针对部分重叠、拼写差异或缩写类的匹配需求，推荐以下几种简洁实用的实现方式：

1. 子串模糊匹配（快速处理简单重叠） #

用stringr包的str_detect结合正则表达式，一次性匹配所有目标子串：

library(dplyr)
library(stringr)

# 把stringvector转成正则匹配模式，用|分隔表示"匹配任意一个"
match_pattern <- str_c(stringvector, collapse = "|")

# 筛选name包含任意一个目标子串的行
df %>%
  filter(str_detect(name, match_pattern))

运行结果会保留：Donald Duck（完全匹配）、Daisy Duck（包含"Daisy Duk"核心子串）、Dewey D.（包含"Dewey Duck"核心子串）。

2. 近似匹配（处理拼写错误/缩写） #

如果是拼写差异（比如"Daisy Duk" vs "Daisy Duck"）或缩写（"Dewey D." vs "Dewey Duck"），可以用stringdist包计算字符串相似度来匹配：

library(dplyr)
library(stringdist)

# 按行计算name与stringvector中所有元素的最大Jaro-Winkler相似度，筛选相似度≥0.8的行
df %>%
  rowwise() %>%
  mutate(max_similarity = max(stringdist(name, stringvector, method = "jw", p = 0.1))) %>%
  filter(max_similarity >= 0.8) %>%
  select(-max_similarity)

Jaro-Winkler相似度越接近1表示越相似，p=0.1会给前缀相同的字符串更高权重，非常适合人名匹配场景。

3. 关键词提取匹配（精准匹配核心词汇） #

如果只想匹配名字里的核心关键词（比如名或姓），可以先拆分字符串提取关键词，再做匹配：

library(dplyr)
library(stringr)

# 从stringvector中提取所有独立关键词
sv_keywords <- stringvector %>%
  str_split("\\s+") %>%
  unlist() %>%
  unique()

# 筛选name包含任意一个关键词的行
df %>%
  filter(str_detect(name, str_c(sv_keywords, collapse = "|")))

这种方式能精准捕捉到"Dewey"、"Daisy"这类核心词汇，即使原字符串有缩写或拼写小差异也能匹配。

内容的提问来源于stack exchange，提问作者Lieke