R语言中dplyr filter函数无法过滤特定后缀数据框的问题

正确实现方式 #

使用dplyr + stringr #

library(dplyr)
library(stringr)

# 过滤掉所有doc_id结尾为"(2).txt"的行
constitutions <- constitutions %>% 
  filter(!str_detect(doc_id, "\\(2\\)\\.txt$"))

使用Base R #

# 用grepl实现过滤
constitutions <- constitutions[!grepl("\\(2\\)\\.txt$", constitutions$doc_id), ]

# 或者用subset
constitutions <- subset(constitutions, !grepl("\\(2\\)\\.txt$", doc_id))

你之前代码的问题分析 #

1. 正则表达式错误：之前用的"(2).txt"是无效的正则规则：

   • (和)是正则中的分组符号，需要用\\转义为\\(和\\)才能匹配字面括号
   • .在正则中代表任意单个字符，必须转义为\\.才能匹配字面的点
   • 缺少$符号，$用于指定匹配字符串的结尾，否则只要字符串中包含类似模式的片段都会被过滤，无法精准匹配结尾的目标行

2. %in%用法错误：%in%是用来检查整个字符串是否完全等于目标值的，而你的目标行doc_id是类似Brazil_1988_rev_2017 (2).txt，和"(2).txt"完全不相等，所以这个方法根本无法匹配到目标行。

内容的提问来源于stack exchange，提问作者bmogil