R中使用dplyr拆分tibble字符串并保留匹配目标条目的最优方法

最优实现方案 #

无需生成中间列、无需行遍历/拆分行操作，单步mutate即可得到目标结果，天然兼容多等位基因突变的多匹配场景：

library(tidyverse)

d %>%
  mutate(
    final = str_extract_all(to_sep, "want (\\d+)", group = 1) %>%
      map_chr(~ if (length(.x) == 0) NA_character_ else paste(.x, collapse = ", "))
  )

输出结果和预期一致，所有原有列完整保留：

# A tibble: 4 × 4
     id to_sep                other_info final
  <dbl> <chr>                 <chr>      <chr>
1     1 want 543;discard;toss important  543  
2     2 nothing;worth;keeping stuff      NA   
3     3 want 129              is         129  
4     4 meh;want 657          here too   657  

如果是多匹配的输入（如"want 123; want 456; other"），final列会自动拼接为"123, 456"，可根据需要调整paste的分隔符。

符合purrr+case_when要求的实现 #

如果希望明确用case_when处理NA逻辑，可以用以下写法：

d %>%
  mutate(
    final = str_split(to_sep, ";") %>%
      map_chr(~ {
        match_nums <- str_subset(.x, "want") %>% str_extract("\\d+")
        case_when(
          length(match_nums) == 0 ~ NA_character_,
          TRUE ~ paste(match_nums, collapse = ", ")
        )
      })
  )

该写法逻辑和原有思路一致，但省略了行遍历、中间列生成、拆分组装的冗余步骤。

内容的提问来源于stack exchange，提问作者GenesRus