如何基于向量中相似（非完全匹配）元素筛选DataFrame子集？

我有一个2914×6的DataFrame，其中一列是类似bird_F.pw的字符串（前缀为动物类群，后缀为物种缩写）。需要根据单独的物种缩写向量（如F.pw），提取该列中后缀匹配这些缩写的所有行。尝试过%in%、%like%运算符，但无法实现非完全匹配的筛选。

示例数据 #

构建示例DataFrame #

df <- cbind(
  c("A","B","C","D","E"),
  c(1:5),
  c("insect_F.vp","bird_L.ts","insect_P.qr","insect_V.cl","bird_H.dw")
)
colnames(df) <- c("season","survey_id","pollinator")
# 转换为DataFrame（cbind默认生成矩阵）
df <- as.data.frame(df)

待搜索的物种缩写向量 #

abbrevs <- c("L.ts","P.qr","H.dw")

预期输出 #

output <- cbind(c("B","C","E"),c(2:3,5),c("bird_L.ts","insect_P.qr","bird_H.dw"))
colnames(output) <- colnames(df)
output <- as.data.frame(output)

解决方案 #

方法1：基础R实现（正则匹配） #

将缩写向量拼接成正则表达式，匹配字符串末尾的目标缩写：

# 构建正则模式：匹配任意前缀后接目标缩写，且缩写位于字符串结尾
pattern <- paste0("(", paste(abbrevs, collapse = "|"), ")$")
# 筛选符合条件的行
result <- df[grepl(pattern, df$pollinator), ]

方法2：tidyverse工具链实现 #

用dplyr的筛选函数结合stringr的字符串检测功能：

library(dplyr)
library(stringr)

result <- df %>%
  filter(str_detect(pollinator, paste0("(", paste(abbrevs, collapse = "|"), ")$")))

方法3：拆分字符串后匹配 #

如果前缀和缩写始终以下划线分隔，可以拆分字符串提取后缀后再匹配：

# 拆分pollinator列，提取物种缩写后缀
df$species_abbrev <- sapply(strsplit(df$pollinator, "_"), "[", 2)
# 筛选后缀在目标向量中的行
result <- df[df$species_abbrev %in% abbrevs, ]
# 可选：删除临时生成的后缀列
result <- result[, !colnames(result) %in% "species_abbrev"]

内容的提问来源于stack exchange，提问作者ElizaBeso000