使用R dplyr删除多列均匹配指定正则表达式的行

报错原因 #

你之前的代码报错是因为across里的表达式~ "^Het|^Hom"返回的是字符串，而filter()需要的是逻辑向量（TRUE/FALSE）来判断行是否保留。必须用grepl()对每个元素做正则匹配，生成逻辑值才能满足要求。

正确实现方式 #

你的需求是：保留至少有一列样本列以Het或Hom开头的行，等价于删除所有样本列都匹配^r|^n|^N|^Ref|^No_GT的行。以下是两种简洁的实现方式：

方式1：使用if_any（dplyr 1.0.0及以上版本推荐）

if_any可以直接判断指定列中是否至少有一个满足条件，语法更直观：

# 先获取样本列名（简化原代码）
samples <- my_file %>% 
  select(info:gene) %>% 
  colnames() %>% 
  setdiff(c("info", "gene"))

# 过滤数据
trimmed <- my_file_sorted %>% 
  filter(if_any(all_of(samples), ~ grepl("^Het|^Hom", .x)))

方式2：兼容旧版dplyr（用rowSums）

如果你的dplyr版本较低，没有if_any，可以通过统计每行满足条件的列数来判断：

trimmed <- my_file_sorted %>% 
  filter(rowSums(across(all_of(samples), ~ grepl("^Het|^Hom", .x))) > 0)

反向逻辑实现（删除全匹配排除规则的行）

也可以直接反向判断：删除所有样本列都匹配^r|^n|^N|^Ref|^No_GT的行，效果完全一致：

trimmed <- my_file_sorted %>% 
  filter(!if_all(all_of(samples), ~ grepl("^r|^n|^N|^Ref|^No_GT", .x)))

关键说明 #

• all_of(samples)：因为samples是字符向量存储的列名，用all_of()可以让dplyr正确识别这些列，避免把它当成变量名处理。
• grepl(pattern, .x)：对列中每个元素执行正则匹配，返回TRUE/FALSE的逻辑向量，这是filter()能识别的输入格式。

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