R语言中基于变量匹配规则对长数据框执行取子集操作

该需求可以实现，核心是提取两列的数字标识后按照映射规则过滤即可，具体操作如下：

首先构造与你示例结构一致的测试数据：

df <- data.frame(
  Variable1 = c("T1", "T2", "T3", "T1", "T2", "T3"),
  Variable2 = c("T1.T2", "T1.T2", "T1.T2", "T1.T3", "T1.T3", "T1.T3")
)

本次的匹配规则可拆解为：Variable1后缀数字为n时，Variable2的第二个后缀数字等于n+1，按照该逻辑可选择以下两种实现方式：

方法1：base R 实现 #

# 提取Variable1的数字后缀
v1_num <- as.integer(gsub("T", "", df$Variable1))
# 提取Variable2的第二个数字后缀
v2_num2 <- as.integer(gsub("^T.*\\.T", "", df$Variable2))
# 筛选符合规则的行
df_filtered <- df[v2_num2 == v1_num + 1, ]

运行后得到的筛选结果为：

Variable1 Variable2
1        T1     T1.T2
5        T2     T1.T3

方法2：tidyverse 生态实现（适合dplyr用户） #

library(dplyr)
library(stringr)

df_filtered <- df %>%
  mutate(
    v1_num = as.integer(str_remove(Variable1, "T")),
    v2_num2 = as.integer(str_extract(Variable2, "(?<=\\.T)\\d+"))
  ) %>%
  filter(v2_num2 == v1_num + 1) %>%
  select(-v1_num, -v2_num2) # 剔除临时辅助列

如果后续规则调整，仅需要修改filter中的判断逻辑即可，无需手动筛选，数据量较大时效率优势明显。

内容的提问来源于stack exchange，提问作者Mr. George