R语言如何从向量中提取匹配的多个子字符串模式

需求说明 #

现有两个测试向量：

patient_condition <- c("Pre_P1","Post_P1","Enriched_Post_P1","Post_P1_2","Pre_P2","Post_P2", "P3_Pre")
to_match <- c("P1","P2","P3")

要求生成等长的新向量：对patient_condition的每个元素，返回to_match中作为该元素子串存在的值，预期输出如下：

[1] "P1"  "P1"  "P1"  "P1"  "P2"  "P2"  "P3"

实现方法 #

方法1：stringr包简洁实现（推荐） #

直接用正则提取匹配值，代码最简洁，适配当前场景：

library(stringr)
# 把待匹配值拼接成正则或模式，批量提取匹配项
result <- str_extract(patient_condition, str_c(to_match, collapse = "|"))

运行后result的值和预期输出完全一致。

方法2：基础R实现，无需安装第三方包 #

用sapply遍历每个元素做匹配，不需要加载额外包，兼容所有R版本：

result <- sapply(
  patient_condition,
  function(x) grep(x, to_match, value = TRUE),
  USE.NAMES = FALSE
)

注意：如果后续数据中存在某个patient_condition元素同时匹配多个to_match值的情况，上述两种方法默认返回最先匹配到的结果，可根据实际业务需求调整多匹配项的处理逻辑，当前测试用例不存在该问题，可直接运行得到正确结果。

内容的提问来源于stack exchange，提问作者ZainNST