R语言：如何提取不含指定字符串及NA的subject_id？

问题分析 #

需要提取edta_codes列不包含"4EDTA-3"（包括值为"NA"的行）对应的subject_id，目标结果为191-3457、191-1245、191-2365。

注意点 #

示例数据中的"NA"是字符串类型，而非R原生的NA值，以下方法针对该场景；如果是原生NA，会额外说明处理方式。

方法1：基础R实现 #

直接通过逻辑索引筛选行，再提取subject_id：

# 筛选条件：edta_codes不包含"4EDTA-3"（自动包含字符串"NA"，因为grepl返回FALSE）
df$subject_id[!grepl("4EDTA-3", df$edta_codes)]

如果edta_codes中存在原生NA（非字符串），需要补充is.na判断：

df$subject_id[!grepl("4EDTA-3", df$edta_codes, na.rm = FALSE) | is.na(df$edta_codes)]

方法2：tidyverse（dplyr+stringr）实现 #

先过滤符合条件的行，再用pull提取subject_id，这是你需要的正确提取方式：

library(dplyr)
library(stringr)

df %>%
  filter(!str_detect(edta_codes, "4EDTA-3")) %>%
  pull(subject_id)

执行后会直接返回目标结果：

[1] "191-3457" "191-1245" "191-2365"

为什么之前pull失败？ #

你之前的操作只单独判断了edta_codes，没有先对整个数据框的行进行过滤，直接pull会提取所有subject_id。必须先通过filter（或基础R的索引）筛选出符合条件的行，再提取对应列。

内容的提问来源于stack exchange，提问作者Thandi