如何提取R语言数据框中仅Unacceptable列的多值单元格独有值

一、新增Unique_values列（提取仅存在于Unacceptable中的值） #

通过逐行对比Acceptable和Unacceptable的元素集合，计算差集即可实现需求，以下提供两种实现方式：

方法1：Base R原生实现 #

# 定义函数：筛选仅在Unacceptable中存在、不在Acceptable里的值
get_unique_unacc <- function(acc, unacc) {
  # 拆分字符串为向量，过滤空字符串
  acc_vec <- strsplit(acc, " ")[[1]]
  acc_vec <- acc_vec[acc_vec != ""]
  unacc_vec <- strsplit(unacc, " ")[[1]]
  unacc_vec <- unacc_vec[unacc_vec != ""]
  
  # 计算差集：仅属于Unacceptable的元素
  unique_vals <- setdiff(unacc_vec, acc_vec)
  
  # 处理空结果，返回NA或拼接后的字符串
  if (length(unique_vals) == 0) {
    return(NA_character_)
  } else {
    return(paste(unique_vals, collapse = " "))
  }
}

# 应用到数据框每一行
df$Unique_values <- mapply(get_unique_unacc, df$Acceptable, df$Unacceptable)

方法2：Tidyverse风格实现 #

如果习惯使用dplyr和stringr工具链，可采用更简洁的写法：

library(dplyr)
library(stringr)

df <- df %>%
  rowwise() %>%
  mutate(
    # 拆分字符串并过滤空值
    acc_list = str_split(Acceptable, " ", simplify = FALSE) %>% purrr::map(~ .x[.x != ""]),
    unacc_list = str_split(Unacceptable, " ", simplify = FALSE) %>% purrr::map(~ .x[.x != ""]),
    # 计算差集并格式化为字符串
    Unique_values = ifelse(length(setdiff(unacc_list[[1]], acc_list[[1]])) == 0,
                          NA_character_,
                          paste(setdiff(unacc_list[[1]], acc_list[[1]]), collapse = " "))
  ) %>%
  select(-acc_list, -unacc_list) # 删除临时辅助列

运行后Unique_values列的结果符合预期：

• ID1-A行：G48
• ID1-B行：B22
• ID1-C行：NA
• ID2-A行：N9 Q7
• ID2-B行：NA
• ID2-C行：B8
• ID3-A行：NA
• ID3-B行：PQ14
• ID3-C行：NA

二、优化重复值查找方法 #

你原有的方法通过拼接字符串找重复，需要大量清洗操作，效率较低。直接利用集合交集运算可实现更高效简洁的重复值提取：

优化后的Base R实现 #

# 定义函数：提取同时存在于两列的重复值
get_duplicates <- function(acc, unacc) {
  acc_vec <- strsplit(acc, " ")[[1]]
  acc_vec <- acc_vec[acc_vec != ""]
  unacc_vec <- strsplit(unacc, " ")[[1]]
  unacc_vec <- unacc_vec[unacc_vec != ""]
  
  # 计算交集：同时存在于两列的元素
  dup_vals <- intersect(acc_vec, unacc_vec)
  
  if (length(dup_vals) == 0) {
    return(NA_character_)
  } else {
    return(paste(dup_vals, collapse = " "))
  }
}

df$Duplicate_values <- mapply(get_duplicates, df$Acceptable, df$Unacceptable)

优化后的Tidyverse实现 #

df <- df %>%
  rowwise() %>%
  mutate(
    acc_list = str_split(Acceptable, " ", simplify = FALSE) %>% purrr::map(~ .x[.x != ""]),
    unacc_list = str_split(Unacceptable, " ", simplify = FALSE) %>% purrr::map(~ .x[.x != ""]),
    Duplicate_values = ifelse(length(intersect(unacc_list[[1]], acc_list[[1]])) == 0,
                              NA_character_,
                              paste(intersect(unacc_list[[1]], acc_list[[1]]), collapse = " "))
  ) %>%
  select(-acc_list, -unacc_list)

这种方法直接利用集合运算逻辑，避免了繁琐的字符串清洗步骤，运行效率和代码可读性都更优。

内容的提问来源于stack exchange，提问作者CasualNoob