如何在R语言中筛选出与癌症症状相关的产品清单

我有一份FDA食品、膳食补充剂及化妆品的消费者投诉数据集，已完成数据清洗，并通过以下R代码构建了症状0-1矩阵：

syms <- strsplit(dat$symptoms, ", ")
tm   <- matrix(0, nrow=nrow(dat), ncol=length(unique(unlist(syms))))
colnames(tm) <- unique(unlist(syms))

for(i in 1:length(syms)) {
  tm[i, syms[[i]]] <- 1
}
dat$symptoms <- NULL

其中dat包含患者投诉核心字段：

tm为症状0-1矩阵，示例结构如下：

我需要找出关联癌症症状、需注意的产品清单，尝试了以下代码但未成功：

# Find rows in tm matrix where the "cancer" symptom is present
cancer_rows <- which(tm[, "cancer"] == 1)

# Create a vector of product names associated with "cancer" symptoms
products_to_avoid <- unique(dat$product[cancer_rows])

请问如何正确实现该需求？

1. 先排查核心问题：症状列名匹配 #

首先确认tm矩阵中是否存在准确名为"cancer"的列——常见问题是症状名存在大小写（如"Cancer"）、拼写变体（如"carcinoma"）或空格，导致索引失败。可以用colnames(tm)查看所有症状列名，确认目标列的准确名称。

2. 基础修正代码 #

如果列名确实是"cancer"，可以简化代码（无需which()，直接用逻辑向量索引更稳健）：

# 直接筛选出tm中cancer列为1的行对应的产品
products_to_avoid <- unique(dat$product[tm[, "cancer"] == 1])

3. 稳健适配版（处理列名不匹配） #

如果不确定症状列名的准确写法，用模糊匹配定位目标列：

# 不区分大小写查找包含"cancer"关键词的列
cancer_col <- grep("cancer", colnames(tm), ignore.case = TRUE)

if(length(cancer_col) > 0){
  # 提取对应产品
  products_to_avoid <- unique(dat$product[tm[, cancer_col] == 1])
} else {
  warning("未找到与癌症相关的症状列")
  products_to_avoid <- character(0)
}

4. 合并数据框的直观方式（避免索引错位） #

将症状矩阵合并回原数据框，再筛选，彻底避免行索引不匹配的问题：

# 将症状矩阵转为数据框并合并到原dat
dat_sym <- cbind(dat, as.data.frame(tm))
# 筛选有癌症症状的行，提取唯一产品
products_to_avoid <- unique(dat_sym$product[dat_sym$cancer == 1])

注意事项 #

上述结果仅为消费者投诉中关联癌症症状的产品清单，并非经过临床验证的致癌产品，仅作为初步风险参考。

内容的提问来源于stack exchange，提问作者cinnamond