R中如何按list类型列条件筛选data.table数据行

问题背景 #

现有一个data.table，部分列结构如下：

其中Product列是list()类型，后续业务需要保留该数据类型。

筛选要求：

• Period取值属于c("2018-Q1")
• Product列的行内元素包含目标向量c("UG12210","UG10000-WISD")中的任意值

预期筛选后返回5行数据，排除仅包含NX11100的两行。
之前尝试的两种写法均无法得到正确结果：

data_test[Period %in% c("2018-Q1") & is.element("UG12210",Product),]
data_test[Period %in% c("2018-Q1") & Product %in% c("UG12210"),]

可复现问题的测试数据：

structure(
  list(
    Id = c("1000797366", "1000797366", "1000797366", "1000797366", "1000797366", "1000797366", "1000797366"),
    Period = c("2018-Q1", "2018-Q1", "2018-Q1", "2018-Q1", "2018-Q1", "2018-Q1", "2018-Q1"),
    Product = list("UG10000-WISD", c("NX11100", "UG10000-WISD", "UG12210"), c("UG10000-WISD", "UG12210"),
      c("UG10000-WISD", "UG12210"), "UG12210", "NX11100", "NX11100")
  ),
  row.names = c(NA,-7L),
  class = c("data.table", "data.frame")
)

错误原因 #

两种错误写法的核心问题是没有针对list列做逐行的子元素判断：

• is.element("UG12210",Product)：对整个Product列（长度为7的list）做顶层元素匹配，返回单个逻辑值，无法生成和行数等长的筛选向量，且不会进入list子元素内部判断
• Product %in% c("UG12210")：把list中每个子元素作为整体做相等匹配，只有子元素是长度为1、值恰好为UG12210的行会被命中，多产品的行会因为子元素是长度>1的向量，整体不匹配被漏掉

正确实现 #

不需要修改Product列的list类型，逐行判断子元素和目标向量是否存在交集即可。

写法1：基础R实现（无额外依赖，性能好） #

用sapply逐行遍历Product列，搭配data.table原生支持的%chin%（字符向量匹配，性能优于基础%in%）判断：

library(data.table)
# 定义筛选目标
target_period <- "2018-Q1"
target_prod <- c("UG12210", "UG10000-WISD")

# 执行筛选
result <- data_test[
  Period %chin% target_period & 
    sapply(Product, \(row_prod) any(row_prod %chin% target_prod)),
]

运行后返回的结果完全符合预期，Product列保留原有list类型。

写法2：purrr实现（代码简洁） #

如果日常使用tidyverse生态，可以用purrr::map_lgl替代sapply做逐行逻辑判断，逻辑完全一致：

library(data.table)
library(purrr)

target_period <- "2018-Q1"
target_prod <- c("UG12210", "UG10000-WISD")

result <- data_test[
  Period %chin% target_period & 
    map_lgl(Product, ~ any(.x %in% target_prod)),
]

内容的提问来源于stack exchange，提问作者Shubham