R语言中基于条件的字符串拼接实现方法问询

问题背景 #

现有如下R数据集：

id = 1:5
col1 = c("12 ABC", "123", "AB", "123344567", "1345677.")
col2 = c("gggw", "12", "567", "abc 123", "p")
col3 = c("abw", "abi", "klo", "poy", "17df")
col4 = c("13 AB", "344", "Huh8", "98", "b")
    
my_data = data.frame(id, col1, col2, col3, col4)

数据集结构：

id      col1    col2 col3  col4
1  1    12 ABC    gggw  abw 13 AB
2  2       123      12  abi   344
3  3        AB     567  klo  Huh8
4  4 123344567 abc 123  poy    98
5  5  1345677.       p 17df     b

通过以下代码检查各单元格是否包含至少一个数字：

my_data$col1_check = grepl("\\d", my_data$col1)
my_data$col2_check = grepl("\\d", my_data$col2)
my_data$col3_check = grepl("\\d", my_data$col3)
my_data$col4_check = grepl("\\d", my_data$col4)

得到带检查标记的数据集：

id      col1    col2 col3  col4 col1_check col2_check col3_check col4_check
1  1    12 ABC    gggw  abw 13 AB       TRUE      FALSE      FALSE       TRUE
2  2       123      12  abi   344       TRUE       TRUE      FALSE       TRUE
3  3        AB     567  klo  Huh8      FALSE       TRUE      FALSE       TRUE
4  4 123344567 abc 123  poy    98       TRUE       TRUE      FALSE       TRUE
5  5  1345677.       p 17df     b       TRUE      FALSE       TRUE      FALSE

需求：对每一行，将所有检查结果为FALSE的对应列（col1-col4）的内容用空格拼接成单个单元格，预期输出：

id  new_col
1  1 gggw abw
2  2      abi
3  3   AB klo
4  4      poy
5  5      p b

解决方案 #

方法一：Base R实现 #

利用apply逐行处理，根据检查列的布尔值筛选对应原始列内容后拼接：

# 定义原始列和对应的检查列名称
orig_cols = c("col1", "col2", "col3", "col4")
check_cols = paste0(orig_cols, "_check")

# 逐行生成拼接结果
my_data$new_col = apply(my_data, 1, function(row) {
  # 筛选当前行中检查为FALSE的原始列内容
  selected_content = row[orig_cols][!as.logical(row[check_cols])]
  # 用空格拼接内容，空值自动忽略
  paste(selected_content, collapse = " ")
})

# 提取最终结果
final_result = my_data[, c("id", "new_col")]
print(final_result)

方法二：Tidyverse框架实现 #

结合dplyr和purrr的行处理能力，更贴合tidy风格：

library(dplyr)
library(purrr)

final_result = my_data %>%
  rowwise() %>%
  mutate(
    new_col = paste(
      # 获取当前行col1-col4的所有值
      c_across(col1:col4)[
        # 用检查列的布尔值筛选需要保留的内容
        !c(col1_check, col2_check, col3_check, col4_check)
      ], 
      collapse = " "
    )
  ) %>%
  ungroup() %>%
  select(id, new_col)

print(final_result)

两种方法都能输出符合预期的结果，可根据个人代码习惯选择使用。

内容的提问来源于stack exchange，提问作者stats_noob