R语言中为何==匹配[Mm]正则表达式无效？如何筛选m/M值观测？

问题背景 #

我有一个名为USstorms的数据框，包含902297条观测。执行table(USstorms$CROPDMGEXP)返回结果如下：

?      0      2      B      k      K      m      M 
618413      7     19      1      9     21 281832      1   1994 

尝试筛选出CROPDMGEXP值为"m"或"M"的观测时，使用USstorms[USstorms$CROPDMGEXP=="[Mm]",]无效，执行count(USstorms[USstorms$CROPDMGEXP=="[Mm]",])返回0；但使用USstorms[grep("[Mm]",USstorms$CROPDMGEXP),]能正常返回1995条目标观测，请问前者的正则表达式匹配方式为何无效？

核心原因 #

==是R中的精确相等运算符，它不支持正则表达式解析：

• 当你写USstorms$CROPDMGEXP == "[Mm]"时，R会将"[Mm]"视为一个普通的字符串，只会匹配数据框中**完全等于"[Mm]"**的行。但你的数据里没有任何一行的CROPDMGEXP值是"[Mm]"，因此返回的逻辑向量全为FALSE，筛选后自然得到0条结果。
• 而grep()是专门用于正则匹配的函数，它会将"[Mm]"解析为正则规则：匹配单个小写m或大写M字符，因此能正确命中所有值为"m"或"M"的观测。

替代可行写法 #

除了grep()，还有两种更直观的实现方式：

• 用%in%做精确多值匹配（无需正则）：

  USstorms[USstorms$CROPDMGEXP %in% c("m", "M"),]
  

• 用stringr包的str_detect()（现代化正则匹配工具）：

  library(stringr)
  USstorms[str_detect(USstorms$CROPDMGEXP, "[Mm]"),]
  

内容的提问来源于stack exchange，提问作者Phong Trang