基于zero/one列条件从R DataFrame提取required_val列

首先先确认你的输入数据：

A = c("(0_22),(0_25),(1_29)","(1_34),(1_38),(0_40)","(0_07),(0_09),(0_10),(0_13)","(1_47),(1_49),(1_53),(1_57)")
zero = c(5,NA,6,NA)
one = c(NA,4,NA,10)
df = data.frame(A, zero, one)

你的需求是新增required_val列，规则如下：

• 当zero列值大于0时，移除A列中所有包含(0_)的子串
• 当one列值大于0时，移除A列中所有包含(1_)的子串
• 如果过滤后没有剩余子串，就填充空字符串

方法一：使用tidyverse工具链（推荐） #

我用dplyr处理行逻辑，stringr处理字符串操作，代码清晰易读：

library(dplyr)
library(stringr)

df_result <- df %>%
  # 将A列按逗号拆分，得到每个子串的列表
  mutate(substrings = str_split(A, ",\\s*")) %>%
  # 按行处理每条数据
  rowwise() %>%
  mutate(
    # 根据zero和one的条件过滤子串
    filtered_subs = list(
      substrings[
        !( (zero > 0 & str_detect(substrings, "\\(0_") ) | 
          (one > 0 & str_detect(substrings, "\\(1_") )
      ]
    ),
    # 合并过滤后的子串，空列表则返回""
    required_val = ifelse(length(filtered_subs) == 0, "", str_c(filtered_subs, collapse = ","))
  ) %>%
  # 移除中间辅助列
  select(-substrings, -filtered_subs)

# 查看结果
print(df_result)

方法二：基础R实现（无需额外包） #

如果你不想加载第三方包，用基础R的apply和字符串函数也能实现：

# 逐行处理生成required_val
df$required_val <- apply(df, 1, function(row) {
  # 拆分A列的子串
  subs <- strsplit(row["A"], ",\\s*")[[1]]
  # 解析zero和one的条件（suppressWarnings避免NA转换时的警告）
  filter_zero <- suppressWarnings(as.numeric(row["zero"]) > 0)
  filter_one <- suppressWarnings(as.numeric(row["one"]) > 0)
  
  # 过滤符合条件的子串
  filtered <- subs[
    !( (filter_zero & grepl("\\(0_", subs)) | (filter_one & grepl("\\(1_", subs)) )
  ]
  
  # 合并结果，空则返回""
  if (length(filtered) == 0) "" else paste(filtered, collapse = ",")
})

# 查看结果
print(df)

最终输出结果 #

不管用哪种方法，最终得到的DataFrame都会和你预期的一致：

A zero one required_val
1         (0_22),(0_25),(1_29)    5  NA       (1_29)
2         (1_34),(1_38),(0_40)   NA   4       (0_40)
3 (0_07),(0_09),(0_10),(0_13)    6  NA             
4 (1_47),(1_49),(1_53),(1_57)   NA  10             

内容的提问来源于stack exchange，提问作者suny