如何用dplyr按行对R数据框的字符串执行减法运算？

我有一个包含x、y两列的R数据框，需要生成第三列new，实现从y列的字符串中移除x列对应的字符串。场景限制无法使用拆分/分隔方法，示例数据如下：

x <- c("FRANCE","GERMANY","RUSSIA")
y <- c("Paris FRANCE", "Berlin GERMANY", "Moscow RUSSIA")
cities <- data.frame(x,y)

生成的cities数据框：

> cities
       x             y
1  FRANCE  Paris FRANCE
2 GERMANY Berlin GERMANY
3  RUSSIA  Moscow RUSSIA

期望得到的结果：

x             y    new
1  FRANCE  Paris FRANCE  Paris
2 GERMANY Berlin GERMANY Berlin
3  RUSSIA  Moscow RUSSIA Moscow

我尝试过的方法均未成功： #

• 使用setdiff(x,y)得到的结果与需求相反，移除了城市保留了国家：

cities %>% mutate(new = setdiff(x,y))

结果：

x             y    new
1  FRANCE  Paris FRANCE FRANCE
2 GERMANY Berlin GERMANY GERMANY
3  RUSSIA  Moscow RUSSIA RUSSIA

• 反向使用setdiff(y,x)得到的是原始数据：

cities %>% mutate(new = setdiff(y,x))

结果：

x             y          new
1  FRANCE  Paris FRANCE  Paris FRANCE
2 GERMANY Berlin GERMANY Berlin GERMANY
3  RUSSIA  Moscow RUSSIA  Moscow RUSSIA

• 使用gsub(x,"",y)仅对第一行有效，且触发警告：

cities %>% mutate(new = gsub(x,"",y))

警告信息：

Warning message:
In gsub(x, "", y) : argument 'pattern' has length > 1 and only the first element will be used

结果：

x             y          new
1  FRANCE  Paris FRANCE        Paris
2 GERMANY Berlin GERMANY Berlin GERMANY
3  RUSSIA  Moscow RUSSIA Moscow RUSSIA

正确的解决方案 #

问题核心在于gsub默认是向量级别的批量处理，而非逐行匹配x和y的对应元素。我们需要让函数逐行处理每一组x和y，这里有三种常用的可行方法：

方法1：dplyr::rowwise() + gsub

rowwise()会让后续的mutate按行执行，确保每一行的x都对应当前行的y进行替换，再用trimws()清理替换后多余的空格：

library(dplyr)

cities %>%
  rowwise() %>%
  mutate(new = trimws(gsub(x, "", y))) %>%
  ungroup()  # 记得取消按行分组，避免影响后续操作

方法2：purrr::map2()逐行映射

如果习惯使用tidyverse的purrr工具包，map2可以同时遍历x和y两个向量，实现逐行的字符串替换：

library(dplyr)
library(purrr)

cities %>%
  mutate(new = trimws(map2_chr(x, y, ~gsub(.x, "", .y))))

方法3：stringr::str_remove() + rowwise()

stringr是tidyverse中专门处理字符串的工具包，语法更直观易懂：

library(dplyr)
library(stringr)

cities %>%
  rowwise() %>%
  mutate(new = trimws(str_remove(y, x))) %>%
  ungroup()

以上三种方法都能得到你期望的结果，trimws()是关键步骤，用来移除替换后字符串前后残留的空格。

内容的提问来源于stack exchange，提问作者Forge