如何在R中筛选DataFrame，排除以"RT "开头的Twitter转发推文？

你的代码问题分析 #

1. 第一段代码的问题：
   • 变量名写错了，应该用df$tweet而非df$var
   • %in%是精确匹配整个字符串，只能筛选出完全等于"RT "的推文，根本达不到过滤开头是"RT "的需求
2. 第二段代码的问题：
   • 同样存在变量名错误，且R的DataFrame子集语法中，df[逻辑向量]默认按列筛选，但你用grepl得到的是和行数一致的逻辑向量（3115行），而你的数据集只有5列，因此触发维度不匹配的错误。必须加上逗号 , ]明确表示筛选行。

正确的解决方案 #

方法1：基础R写法

用grepl匹配以"RT "开头的推文，取反后筛选行，注意用^锚定字符串开头，避免误匹配推文中间出现的"RT "：

new_df <- df[!grepl("^RT ", df$tweet), ]

• ^RT ：正则表达式，匹配以"RT "开头的字符串
• !：取反，保留不满足条件的行
• , ]：保留所有列，只筛选行

方法2：tidyverse（dplyr）写法

如果你习惯用tidyverse工具链，代码更直观：

library(dplyr)
new_df <- df %>%
  filter(!str_detect(tweet, "^RT "))

• str_detect：和grepl功能类似，检测字符串是否包含指定模式
• filter：按条件筛选行

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