R语言移除含特定字符串行时结果为空的问题求助

输入数据 #

# 数据框PKV的内容：
   ID Aufzeichnungen                                                                 
   <dbl> <chr>                                                                          
 1     1 "Aufzeichnungen"                                                               
 2     1 "07.03.22   A: stechender Schmerz"                                             
 3     1 "    scharfkantig"                                                              
 4     1 "D/B:"                                                                          
 5     1 "T:"                                                                            
 6     1 "pat aht an 36 üz distal"                                                      
 7     1 " seit paartagen"                                                              
 8     1 "36 vipr++"                                                                     
 9     1 " perk-"                                                                       
10     1 " keine c zu entdekcne"                                                        
11     1 "üz bilfuird"                                                                  
12     1 "pat aufgekläörtggf  RÖ um c auszuschileßen"                                   
13     1 " pat verweigert RÖ aus Angst vor Strahlung"                                   
14     1 " pat"                                                                        
15     1 "aufgeklärt angst nicht nötig und c unter fllg oder apprx nicht auszuschließen"
16     1 ""                                                                             
17     1 "pat knirscht"                                                                  
18     1 " schiene empohlen"                                                            
19     1 " pat meldet sich.."

待移除的字符串规则 #

定义正则匹配的字符串列表：

remove_list <- paste(c("einverst", "empf", "raten", "aufgeklä", "nicht", "weiß nicht", "bespr", "soll",
                       "kein", "?", "raten", "klären", "überprüf", "erst, wenn", "verweiger", 
                       "notwendig"), collapse = '|')

预期与实际结果 #

• 预期：仅移除包含上述字符串的行（行10、12、13、15）
• 实际：所有行被移除，输出空数据框：

# A tibble: 0 × 2
# Groups:   ID [0]
# … with 2 variables: ID <dbl>, Aufzeichnungen <chr>

尝试过的代码 #

# base R方法
removed <-  PKV[grep(remove_list, PKV$Aufzeichnungen, invert = TRUE), ]

# dplyr方法（出错的关键所在）
removed <- PKV %>% filter(!grepl(remove.list, PKV$Aufzeichnungen ))

解决方案 #

核心错误：变量名拼写错误 #

你在dplyr代码里写的是remove.list，但定义的变量是remove_list（下划线和点混淆）。未定义的remove.list会被当作空字符串，grepl("", x)对所有非NA字符串都返回TRUE，因此!grepl(...)全为FALSE，导致所有行被过滤。

修正后的代码 #

1. base R 版本

# 添加ignore.case = TRUE可处理大小写差异（可选）
removed <- PKV[grep(remove_list, PKV$Aufzeichnungen, invert = TRUE, ignore.case = TRUE), ]

2. dplyr + grepl 版本

library(dplyr)
removed <- PKV %>% 
  filter(!grepl(remove_list, Aufzeichnungen, ignore.case = TRUE))

3. dplyr + stringr 版本

library(dplyr)
library(stringr)
removed <- PKV %>% 
  filter(!str_detect(Aufzeichnungen, regex(remove_list, ignore_case = TRUE)))

额外说明 #

• ignore.case = TRUE是可选参数，用于匹配大小写不同的目标字符串（比如避免漏删首字母大写的"Aufgeklärt"）
• 空字符串行（行16）不会被当前remove_list匹配，会保留在结果中；如果需要移除空行，可以额外添加filter(Aufzeichnungen != "")

内容的提问来源于stack exchange，提问作者KC-Migo