filtros - Filtrado de observaciones en dplyr en combinación con grepl.

filtrar datos en r

Question

Estoy tratando de averiguar cómo filtrar algunas observaciones de un gran conjunto de datos usando dplyr y grepl . No estoy casado con grepl , si otras soluciones serían más óptimas.

Toma esta muestra df:

df1 <- data.frame(fruit=c("apple", "orange", "xapple", "xorange",
"applexx", "orangexx", "banxana", "appxxle"), group=c("A", "B") )
df1
# fruit group
#1 apple A
#2 orange B
#3 xapple A
#4 xorange B
#5 applexx A
#6 orangexx B
#7 banxana A
#8 appxxle B

Quiero:

1. filtrar los casos que comienzan con ''x''
2. filtrar los casos que terminan con ''xx''

Me las arreglé para averiguar cómo deshacerme de todo lo que contiene ''x'' o ''xx'', pero sin comenzar ni terminar con. Aquí es cómo deshacerse de todo con ''xx'' dentro (no solo terminando con):

df1 %>% filter(!grepl("xx",fruit))
# fruit group
#1 apple A
#2 orange B
#3 xapple A
#4 xorange B
#5 banxana A

Esto obviamente ''erróneamente'' (desde mi punto de vista) filtró ''appxxle''.

Nunca me he acostumbrado a las expresiones regulares. He estado intentando modificar código como: grepl("^(?!x).*$", df1$fruit, perl = TRUE) para intentar que funcione dentro del comando de filtro, pero no lo consigo. .

Rendimiento esperado:

# fruit group
#1 apple A
#2 orange B
#3 banxana A
#4 appxxle B

Me gustaría hacer esto dentro de dplyr si es posible.

Answer 1

No entendí tu segundo regex, pero este regex más básico parece hacer el truco:

df1 %>% filter(!grepl("^x|xx$", fruit))
###
fruit group
1 apple A
2 orange B
3 banxana A
4 appxxle B

Y asumo que sabes esto, pero no tienes que usar dplyr aquí:

df1[!grepl("^x|xx$", df1$fruit), ]
###
fruit group
1 apple A
2 orange B
7 banxana A
8 appxxle B

La expresión regular busca cadenas que comiencen con x O terminen con xx . ^ Y $ son anclajes de expresiones regulares para el principio y el final de la cadena respectivamente. | es el operador OR Estamos negando los resultados de grepl con el ! así que estamos encontrando cadenas que no coinciden con lo que está dentro de la expresión regular.