dplyr：带有字符条件的 filter_ 不起作用

Question

这是我的数据：

df <- tibble::tribble(
  ~A,  ~B,  ~C,  ~D,
  2L, "a", "e", 2L,
  4L, "a", "f", NA_integer_,
  4L, "b", "g", NA_integer_,
  4L, "b", "h", NA_integer_
  )

df$B <- as.factor(df$B) 
df$A <- as.factor(as.character(df$A)) 

这是我作为字符的过滤条件：

remove2 <- "as.integer(A)!=2L"

我只想用 A==2 删除观察结果，但下面的代码保留了它，为什么？

df %>% dplyr::filter_(remove2)

我想使用 filter_ 因为它接受条件作为字符。如果您可以建议过滤器（不带下划线版本）并将字符作为条件，那也可以。

Answer 1

其他人已经解释了导致此问题的原因，即 factor 内部编码为整数，这可能与明显不同。我想指出的另一件事是 filter_ 自 dplyr 0.7 以来已被弃用。因此，我们可以考虑使用filter 函数将字符串评估为以下两个选项。

remove2 <- "as.integer(as.character(A)) != 2L"

library(dplyr)
library(rlang)

df %>% filter(eval(parse(text = remove2)))
# # A tibble: 3 x 4
#   A     B     C         D
#   <fct> <fct> <chr> <int>
# 1 4     a     f        NA
# 2 4     b     g        NA
# 3 4     b     h        NA

df %>% filter(eval(parse_expr(remove2)))
# # A tibble: 3 x 4
#   A     B     C         D
#   <fct> <fct> <chr> <int>
# 1 4     a     f        NA
# 2 4     b     g        NA
# 3 4     b     h        NA

Answer 2

作为字符串的代码是一种反模式。它提出了一个问题：字符串从何而来？

如果是您（开发人员）输入它，它既更难编写（您无法从自动完成等 IDE 功能中受益），也更容易出现错误（您可以编写语法无效的代码在实际解析和评估之前不会被捕获，可能要晚得多，从而引发更难理解的错误）。

如果输入来自不是您的用户，则这是一个主要的安全漏洞。

你可以这样做：

remove2 <- quote(as.numeric(as.character(A)) != 2L)

filter(df, !! remove2)

（!! 是 tidyeval 框架中的“取消引用”运算符）。

虽然它也不完全令人满意（在我看来仍然是代码味道），因为很少需要取消引用整段代码，通常它只是一个变量名。

Answer 3

尝试以下方法：

remove2 <- "as.numeric(as.character(A))!=2L"

df %>% dplyr::filter_(remove2)

# A tibble: 3 x 4
  A     B     C         D
  <fct> <fct> <chr> <int>
1 4     a     f        NA
2 4     b     g        NA
3 4     b     h        NA

请注意，因子的编码方式不同。见

 as.integer(df$A)
 [1] 1 2 2 2

要获取“如图所示”的因子值，请使用as.numeric(as.character(.))

其他答案指出下划线功能已被弃用（尽管它们仍然有效）。为了以绝对面向未来的方式实现这一点，使用简单的base R 可能是个好主意：

df[which(df[["A"]] != 2L),]
# A tibble: 3 x 4
  A     B     C         D
  <fct> <fct> <chr> <int>
1 4     a     f        NA
2 4     b     g        NA
3 4     b     h        NA