使用tidyverse的str_detect筛选时误删NA值行如何处理

问题根源 #

str_detect()遇到输入为NA时会返回NA，而dplyr的filter()只会保留判定结果为TRUE的行，NA会被默认过滤，这就是示例中x1为NA的行被误删的原因。

解决方案 #

下面提供三种符合tidyverse规范的实现方式：

方案1：显式保留NA行 #

在过滤条件中新增NA判断，明确要求保留x1列为NA的行，逻辑最直观：

library(tidyverse)
df2 <- df1 %>% 
  filter(is.na(x1) | !str_detect(x1, "(?i)pi"))

运行后输出结果：

> df2
    x1   x2  x3
1 <NA>    1 bar
2  Yes <NA> foo
3 text text bar

方案2：替换str_detect的NA返回值 #

用replace_na()把str_detect()返回的NA替换为FALSE，取反后NA对应的行就会被判定为符合条件保留：

df2 <- df1 %>% 
  filter(!replace_na(str_detect(x1, "(?i)pi"), FALSE))

方案3：使用str_detect原生参数（适配stringr 1.5.0及以上版本） #

新版stringr的str_detect新增了negate和na参数，可直接实现需求：

• negate = TRUE等价于对匹配结果取反，保留不匹配的行
• na = TRUE指定输入为NA时返回TRUE，也就是保留NA行

df2 <- df1 %>% 
  filter(str_detect(x1, "(?i)pi", negate = TRUE, na = TRUE))

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