R语言提取两列字符串非匹配内容（物种命名场景）

我有一个包含两列的大型数据集：

• Column_A：带命名人信息的完整物种名
• Column_B：仅包含物种名

我想要新增一列New_column，提取这两列的非匹配部分（也就是命名人信息）。

数据示例 #

Column_A                              Column_B               
Crocidura jacksoni Thomas, 1904       Crocidura jacksoni     
Pelomys fallax (Peters, 1852)         Pelomys fallax         
Ictonyx striatus (Perry, 1810)        Ictonyx striatus       
Acomys cahirinus (É.Geoffroy, 1803)   Acomys cahirinus       

我尝试的代码及遇到的错误 #

我尝试用dplyr和stringr写了这段代码：

df$New_column <- df %>% filter(str_detected(Column_B, Column_A, negative=TRUE))

但遇到了报错：

Error in UseMethod("filter") :
no applicable method for 'filter' applied to an object of class "logical"

而且部分列也无法被识别。我期望得到的结果是：

Column_A                              Column_B               New_column
Crocidura jacksoni Thomas, 1904       Crocidura jacksoni     Thomas, 1904
Pelomys fallax (Peters, 1852)         Pelomys fallax         (Peters, 1852)
Ictonyx striatus (Perry, 1810)        Ictonyx striatus       (Perry, 1810)
Acomys cahirinus (É.Geoffroy, 1803)   Acomys cahirinus       (É.Geoffroy, 1803)

问题分析与解决方案 #

首先得说，你用错函数啦——filter()是用来筛选行的，不是生成新列的，这就是报错的核心原因。我们需要用字符串处理工具来提取Column_A中不属于Column_B的部分，这里给你两种靠谱的方案：

方案1：直接移除匹配前缀（最简单）

因为Column_B的内容是Column_A的开头部分，我们可以直接把Column_B的内容从Column_A中移除，再清理掉多余空格：

library(dplyr)
library(stringr)

df <- df %>%
  mutate(New_column = str_trim(str_remove(Column_A, fixed(Column_B))))

• fixed(Column_B)的作用是避免物种名里的特殊字符（比如括号、点号）被当作正则表达式解析，保证精确匹配
• str_trim()用来去掉替换后残留的首尾空格

方案2：正则表达式提取后缀（更灵活）

如果需要更严谨的匹配（比如确保只提取Column_B之后的内容），可以用正则正向预查来定位：

df <- df %>%
  mutate(New_column = str_extract(Column_A, paste0("(?<=^", str_replace_all(Column_B, "\\.", "\\\\."), ")\\s+.+$")) %>%
           str_trim())

这里先把物种名里的点号转义（避免正则冲突），再用正向预查锁定Column_B的结尾位置，最后提取后面的所有内容。

运行任意一种方案后，你就能得到完全符合预期的New_column啦。

内容的提问来源于stack exchange，提问作者Karoline