加快 R 中的字符串过滤

Question

我有一个数据框，其中有一列代码用逗号分隔。我目前正在通过查看代码列来过滤此数据框，如果列表中出现代码，我将保留该行。我的问题是这个数据框正在扩展，可接受的代码列表也在扩展，所以我想尽可能加快这个过程。理想情况下，会有一种方法将行标记为已检查，如果行中有正确的代码，则不必再次检查所有其他可接受的代码。

当前数据框看起来像这样：

Code_column
,12ab,
,12ab,123b,
,456t,345u,
,12ab,789p,

优秀代码列表：

good_codes <- c(',123b,', ',456t,', ',345u,')

我目前的过滤过程：

df %>%
filter(sapply(`Code_column`, 
            function(x) any(sapply(good_codes, str_detect, string = x))) == TRUE)

最后一栏

Code_column
,12ab,123b,
,456t,345u,

Answer 1

我认为我们不需要sapply

df[str_detect(df$Code_column,paste(good_codes, collapse = '|')),]
[1] ",12ab,123b," ",456t,345u,"

你可以通过 | & 至 str_detect

paste(good_codes, collapse = '|')
[1] ",123b,|,456t,|,345u,"

加快 R 中的字符串过滤

Speed up string filtering in R

string

r

sapply

stringr

dplyr