在R中使用str_detect按字符变量分组数据表时遇错误求解决

我有一个以数值列为主的数据表，其中包含一个约有30种不同取值的字符变量列。我希望在R中使用str_detect函数读取该字符列的信息，将其与一个字符串向量进行匹配，新增一列并根据字符列是否包含向量中的任一字符串赋值。我以iris数据集为例尝试实现：

mydesiredgrouping <- c("virginica","versicolor")
test <- iris %>% mutate(Group1 = if_else(str_detect(iris$Species, mydesiredgrouping), "mygroup", "notmygroup"))

但运行时出现错误：

Error in mutate(): ℹ In argument: Group1 = if_else(...). Caused by error in str_detect(): ! Can't recycle string (size 150) to match pattern (size 2). Run rlang::last_trace() to see where the error occurred.

补充说明：我的实际数据集中存在部分匹配的情况，这也是我选择使用str_detect的原因。

解决方案 #

错误原因 #

str_detect的pattern参数默认不支持直接传入多元素向量，因为它无法自动将长度为2的模式向量与长度为150的字符串列完成循环匹配，因此触发了回收错误。要实现"匹配任一模式"的需求，需要将多模式合并为正则表达式，或通过遍历实现批量匹配。

方法1：正则表达式拼接多模式（推荐） #

将多个目标字符串用paste(..., collapse = "|")拼接成一个正则表达式（|在正则语法中表示"或"），这样str_detect就能一次性检查字符串是否包含任一目标模式：

library(dplyr)
library(stringr)

mydesiredgrouping <- c("virginica","versicolor")
# 拼接成正则表达式："virginica|versicolor"
target_pattern <- paste(mydesiredgrouping, collapse = "|")

test <- iris %>% 
  mutate(Group1 = if_else(str_detect(Species, target_pattern), "mygroup", "notmygroup"))

方法2：遍历匹配（适合复杂场景） #

如果需要更灵活的匹配逻辑（比如对不同模式添加独立匹配规则），可以用purrr::map_lgl遍历每行的字符串，检查是否匹配任一目标模式：

library(dplyr)
library(stringr)
library(purrr)

mydesiredgrouping <- c("virginica","versicolor")

test <- iris %>% 
  mutate(Group1 = if_else(
    # 对每行Species，检查是否匹配任一目标模式
    map_lgl(Species, ~any(str_detect(.x, mydesiredgrouping))),
    "mygroup", 
    "notmygroup"
  ))

效果说明 #

两种方法都支持部分匹配：例如如果你的字符列中存在类似"abcvirginicadef"的内容，str_detect会正确识别其包含目标模式，并赋值为"mygroup"。

内容的提问来源于stack exchange，提问作者Liptongal