如何筛选R语言DataFrame中首列字符串存在于次列的行？

错误原因说明 #

你之前的两种写法逻辑都不符合需求：

• Xsz %in% Xal：该判断是检查Xsz的元素是否存在于整个Xal向量中，而非对应行的Xal字符串内，自然无法筛选出目标行。
• grep(Xsz, Xal)：grep会将Xsz作为全局模式向量匹配整个Xal向量，返回的是全局匹配的位置，并非逐行的对应匹配逻辑，因此结果不符合预期。

高效筛选方案（适配60M行大数据量） #

针对大数据量，优先使用矢量化操作避免循环，以下是几种可行方案：

1. data.table 方案（性能最优，推荐）

data.table在处理超大数据集时的效率远高于普通data.frame：

library(data.table)
# 转换为data.table格式
setDT(XDF)
# 逐行检查Xsz是否包含在对应行的Xal中，fixed参数关闭正则匹配以提升速度
XDF_filtered <- XDF[grepl(fixed(Xsz), Xal)]

2. dplyr + stringr 方案

如果习惯tidyverse语法，使用矢量化的str_detect函数：

library(dplyr)
library(stringr)

XDF_filtered <- XDF %>%
  filter(str_detect(Xal, fixed(Xsz)))

3. Base R 方案（无需额外包）

直接使用base R的grepl函数完成逐行匹配：

XDF_filtered <- XDF[grepl(fixed(XDF$Xsz), XDF$Xal), ]

结果验证 #

针对你的示例数据，以上方案都会筛选出第1行和第3行，符合预期需求。

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