如何在R的data.frame中使用nchar函数移除字符长度≤5的观测？

嘿，我懂你现在的困扰——之前在向量上用nchar()筛选长字符特别顺手，但换到data.frame里就有点摸不着头脑了对吧？下面给你几种简单好用的方案，不管用基础R还是tidyverse工具都能搞定！

基础R方法（针对特定列筛选行） #

首先咱们先构造一个示例data.frame方便演示：

# 创建示例数据，注意设置stringsAsFactors = FALSE避免字符转因子
my_df <- data.frame(
  name = c("asdf","fweafewwf","af","","","aewfawefwef","awefWEfawefawef"),
  score = 1:7,
  stringsAsFactors = FALSE
)

如果你想保留name列中字符长度>5的行，操作逻辑和向量类似，只要指定对应的列就行：

# 筛选name列长度>5的观测
filtered_df <- my_df[nchar(my_df$name) > 5, ]

运行后你会得到只包含name列字符长度超过5的行，其他列的数据也会跟着保留下来。

Tidyverse/dplyr方法（更直观的语法） #

如果你习惯用dplyr的管道语法，代码会更易读：

library(dplyr)

# 用filter函数筛选符合条件的行
filtered_df_dplyr <- my_df %>%
  filter(nchar(name) > 5)

注意事项 #

• 如果你的字符列是因子类型（比如旧版本R创建data.frame时默认转因子），nchar()可能会返回因子水平的长度而不是原字符的长度，这时候需要先把列转成字符型：

  my_df$name <- as.character(my_df$name)
  

• 如果需要筛选所有列都满足字符长度>5的行（假设所有列都是字符型），可以用apply()函数：

  filtered_all_cols <- my_df[apply(my_df, 1, function(row) all(nchar(row) > 5)), ]
  

内容的提问来源于stack exchange，提问作者WoeIs