如何基于数据框df的列值过滤R语言向量letters？

假设你有如下数据：

# 注意：避免用R内置函数名`letters`作为变量名，这里改用letters_vec
letters_vec <- c("a", "b", "c", "d", "e", "f")
df <- data.frame(column = c("a_1", "d_3", "b_7"))

要从letters_vec中筛选出那些作为前缀出现在df$column中的元素，可按以下方式操作：

方法1：基础R实现 #

1. 提取数据框列中的前缀字符
   用sub函数移除下划线及之后的内容，得到所有前缀：

prefixes <- sub("_.*", "", df$column)

2. 过滤向量
   用%in%判断向量元素是否存在于前缀集合中：

filtered_letters <- letters_vec[letters_vec %in% prefixes]
# 结果：[1] "a" "b" "d"

方法2：tidyverse工具链实现 #

如果习惯用tidyverse语法，结合stringr和purrr可以更简洁：

library(tidyverse)

filtered_letters <- letters_vec %>%
  keep(. %in% str_extract(df$column, "^[^_]+"))

• str_extract(df$column, "^[^_]+")：提取从字符串开头到第一个下划线前的所有字符
• keep()：保留向量中符合条件的元素

额外说明 #

• 如果数据框列中存在重复前缀，无需额外去重，%in%会自动判断元素是否存在
• 若部分字符串没有下划线，可调整正则适配，比如用sub("(_.*)?", "", df$column)确保无下划线的字符串完整保留

内容的提问来源于stack exchange，提问作者user123