如何筛选R数据框中含*的单元格并提取*前字符串生成新数据框

需求 #

• 筛选数据框中所有包含*的单元格
• 生成仅保留每个*前字符串的新数据框（注：若需保留原带*的内容，可调整处理逻辑）

测试数据 #

X1  <- data.frame(c("Tricho*", "Proteo", "Cyano*", "Gold", "Pseudo"))
X2 <- data.frame(c(" ", "alpha*", " ", "fish", "nitzs"))
X3 <- data.frame(c(" ", " ", " ", "bowl*", "ia"))
Data <- cbind(X1, X2, X3)

Data1 <- Data %>%
  rename("X1" = "c..Tricho.....Proteo....Cyano.....Gold....Pseudo..",
         "X2" = "c.......alpha..........fish....nitzs..",
         "X3" = "c.................bowl.....ia..")

期望输出 #

X4
Tricho*
alpha*
Cyano*
bowl*

尝试过的无效方法 #

方法1：转为字符后用endsWith #

Data1 <- as.character(Data1)
out <- data.frame(Data1[endsWith(Data1, '*')])
View(out) 

问题：as.character(Data1)会将整个数据框转为字符向量，破坏单元格层级；部分带*的单元格前有空格，导致endsWith无法匹配，最终生成空白数据框。

方法2：用grep匹配结尾* #

Data1 <- as.character(Data1)
out2 <- data.frame(grep('*$', Data1, value = TRUE))
View(out2)

问题：*是正则表达式特殊字符，未转义会导致匹配逻辑错误；同时转为字符后破坏原数据框结构，返回结果不符合需求。

解决方案 #

使用tidyverse工具链处理，兼顾效率与准确性，大文件也能稳定运行：

步骤1：筛选含*的单元格并整理成单列 #

library(tidyverse)

# 转长格式→筛选含*的行→整理为目标格式
result <- Data1 %>%
  pivot_longer(everything(), names_to = "col", values_to = "value") %>%
  filter(str_detect(value, "\\*")) %>%  # 转义*，匹配包含*的单元格
  select(X4 = value)  # 重命名为目标列名

运行后得到的result与期望输出一致：

# A tibble: 4 × 1
  X4      
  <chr>   
1 Tricho* 
2 alpha*  
3 Cyano*  
4 bowl*   

步骤2：提取*前的字符串（若需仅保留前缀） #

如果需要生成仅包含*前字符串的新数据框，添加str_extract处理即可：

result_prefix <- Data1 %>%
  pivot_longer(everything(), names_to = "col", values_to = "value") %>%
  filter(str_detect(value, "\\*")) %>%
  mutate(X4 = str_extract(value, "^.*(?=\\*)")) %>%  # 提取*前的所有字符
  select(X4)

输出结果：

# A tibble: 4 × 1
  X4     
  <chr>  
1 Tricho 
2 alpha  
3 Cyano  
4 bowl   

说明 #

• pivot_longer将宽格式数据转为长格式，实现对所有单元格的统一处理
• str_detect用转义后的\\*匹配包含星号的单元格，避免正则表达式语法冲突
• str_extract配合正向预查(?=\\*)，精准提取*之前的字符，不包含星号本身
• 该方法适配大文件场景，tidyverse系列函数在大数据处理中性能稳定

内容的提问来源于stack exchange，提问作者Clayton Tracey