R语言筛选数据框中至少含2个指定列表元素的Groups分组

测试数据准备 #

先加载示例数据和匹配列表：

# 待匹配的名称列表
The_list <- c('SP1','SP2','SP3')
# 示例数据框
df <- structure(list(Names = c("SP1", "SP2", "SP3", "SP1", "SP4", "SP5", 
"SP2", "SP3", "SP6", "SP2", "SP7"), Groups = c("G1", "G1", "G1", 
"G2", "G3", "G4", "G5", "G5", "G5", "G6", "G6")), class = "data.frame", row.names = c(NA, 
-11L))

需求逻辑：仅保留数据框中，Names列至少包含2个The_list内元素的Groups分组的全部行。

方法1：Base R 原生实现（无需安装第三方包） #

实现思路：先按Groups分组统计每个组内匹配The_list的去重名称数量，筛选出符合数量要求的分组，再从原数据中提取对应分组的所有行。

# 统计每个分组下，出现在The_list中的去重Names个数
group_valid_count <- tapply(
  X = df$Names,
  INDEX = df$Groups,
  FUN = \(name_col) sum(unique(name_col) %in% The_list)
)
# 提取匹配数≥2的分组名称
keep_groups <- names(group_valid_count[group_valid_count >= 2])
# 子集得到最终结果
result <- df[df$Groups %in% keep_groups, ]

运行后输出结果和预期完全一致：

Names Groups
1   SP1     G1
2   SP2     G1
3   SP3     G1
7   SP2     G5
8   SP3     G5
9   SP6     G5

方法2：dplyr 管道流实现（tidyverse生态常用写法） #

如果习惯使用tidyverse系列的语法，代码可读性更强：

library(dplyr)

result <- df %>%
  group_by(Groups) %>%
  # 组内统计匹配数量，保留满足阈值的所有行
  filter(sum(unique(Names) %in% The_list) >= 2) %>%
  ungroup()

提示：代码中的unique()是为了避免同一个Name在组内重复出现时被重复计数，如果你的业务场景需要把重复出现的同名条目多次计数，直接去掉unique()即可。

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