在dplyr中筛选prod列值存在于lob列中的数据行

嘿，我来帮你搞定这个数据筛选的问题！你需要保留那些prod列的值出现在对应行lob列（分号分隔字符串）里的记录，我给你两种可行的方法，一起来看看：

首先，确认原始数据 #

先把你提供的可复现代码放出来，确保我们用的是同一个数据集：

df <- data.frame(prod = c("CES", "Access", "Access", "CES"), 
                 lob = c("Access;Entertainment", "CES", "Access", "Access;Entertainment;CES"),
                 stringsAsFactors = FALSE) # 建议设置stringsAsFactors=FALSE，避免因子类型带来的问题

原始数据输出如下：

prod                     lob
1   CES   Access;Entertainment
2 Access                     CES
3 Access                  Access
4   CES Access;Entertainment;CES

方法1：使用tidyverse工具（dplyr + stringr） #

这种方法更直观，适合熟悉tidyverse风格的用户：

library(tidyverse)

result <- df %>%
  rowwise() %>% # 开启逐行处理模式
  filter(prod %in% str_split(lob, ";")[[1]]) %>% # 拆分lob为向量，检查prod是否在其中
  ungroup() # 取消行分组，恢复常规数据框格式

# 查看结果
print(result)

输出正好是你想要的期望结果：

# A tibble: 2 × 2
  prod   lob                     
  <chr>  <chr>                   
1 Access Access                  
2 CES    Access;Entertainment;CES

代码解释： #

• rowwise()：让后续函数按每一行独立处理，而非默认的按列批量处理
• str_split(lob, ";")[[1]]：把当前行的lob字符串按分号拆分成字符向量，[[1]]用来提取列表中的向量元素
• prod %in% ...：判断当前行的prod值是否存在于拆分后的向量中，filter()只保留返回TRUE的行

方法2：使用Base R实现 #

如果不想加载额外包，用Base R也能轻松解决：

# 先把每个lob字符串拆分成列表
df$lob_elements <- strsplit(df$lob, ";")

# 逐行检查prod是否在对应的lob_elements中，筛选符合条件的行
result_base <- df[sapply(seq_along(df$lob_elements), function(i) df$prod[i] %in% df$lob_elements[[i]]), ]

# 去掉临时添加的lob_elements列
result_base <- result_base[, -3]

# 查看结果
print(result_base)

输出和方法1完全一致：

prod                     lob
3 Access                  Access
4   CES Access;Entertainment;CES

代码解释： #

• strsplit(df$lob, ";")：把整个lob列拆分成一个列表，每个元素是对应行的分号拆分结果
• sapply(seq_along(...), function(i)...)：遍历每一行的索引，检查对应行的prod值是否在该行的lob拆分向量中，返回逻辑筛选向量
• 用逻辑向量df[逻辑向量, ]筛选出符合条件的行，最后去掉临时列

为什么之前拆分没解决？ #

你提到拆分lob列为向量/列表没解决问题，大概率是因为没有逐行对应检查prod和拆分后的lob元素。比如直接把lob拆分成多列，没法直接关联到同一行的prod值；而上面两种方法都确保了每一行的prod只和当前行拆分后的lob元素做匹配，这样就准确筛选出了你要的结果。

内容的提问来源于stack exchange，提问作者Matt W.