基于与另一个数据帧的(独占)部分匹配从数据帧中删除行

Question

我有一个数据帧A，它包含2列-字符串和代码：

String             Code
Bacteria.111       abc1
Bacteria.111       abc2
Bacteria.111       abc3
Archaea.153        gmt1
Archaea.153        gmt2

我有另一个数据帧B，它包含上面细菌/古生菌后面的数字应该是什么代码的列表：

Number             Code
111                abc2
153                gmt1

我正在尝试做的是从数据帧A中删除在细菌/古生菌之后具有错误的数字代码的行。因此，例如，由此产生的数据帧应为：

String             Code
Bacteria.111       abc2
Archaea.153        gmt1

我尝试过在%中使用%，但这里使用的是精确匹配，所以没有匹配。我所需要的就是匹配一个数字，这个数字总是在字符串的末尾，并且总是跟在一个句点后面。我对如何实现这一点感到迷惑。

Answer 1

您可以在粘贴列时使用%in%，并使用sub删除.之前的所有内容。

A[paste(sub(".*\\.", "", A$String), A$Code) %in% paste(B$Number, B$Code),]
#        String Code
#2 Bacteria.111 abc2
#4  Archaea.153 gmt1

Answer 2

试试这个：

A <- A %>%
  mutate(
    Number = as.integer(stringr::str_sub(String, start = stringi::stri_locate_last_fixed(String, ".")[,2] + 1)) # get the code
  ) %>% 
  left_join(B %>% rename(Code2 = Code), by = "Number") %>% # join data frames
  filter(Code == Code2) %>% # compare and filter
  select(-Number, -Code2)