在 dplyr 中使用过滤器内的过滤器会产生意想不到的结果答案

【问题标题】：Using filter inside filter in dplyr gives unexpected results在 dplyr 中使用过滤器内的过滤器会产生意想不到的结果
【发布时间】：2015-01-14 06:52:01
【问题描述】：

使用R 3.1.2、dplyr 0.4.0。

我正在尝试在filter 中使用filter，这听起来很简单，但我不明白为什么它没有给我预期的结果。这是我大约 6 个月前编写的代码，我相当确定它可以工作，所以它要么因为更新的 R 版本或 dplyr 或其他一些依赖关系而停止工作。无论如何，这里有一些简单的代码，它根据在 df2 的列上找到 filter 的条件过滤来自 df1 的行。

df1 <- data.frame(x = c("A", "B"), stringsAsFactors = FALSE)
df2 <- data.frame(x = "A", y = TRUE, stringsAsFactors = FALSE)
dplyr::filter(df1, x %in% (dplyr::filter(df2, y)$x))

我希望这会显示df1 的第一行，但我却得到了

# [1] x
# <0 rows> (or 0-length row.names)

我不知道该怎么做。为什么它返回一个向量和一个空的data.frame？

如果我将过滤器代码分成两个单独的语句，我会得到我所期望的

xval <- dplyr::filter(df2, y)$x
dplyr::filter(df1, x %in% xval)

#   x
# 1 A

谁能帮我弄清楚为什么会发生这种行为？我不是说这是一个错误，但我不明白。

【问题讨论】：

我无法真正解释为什么，但就dplyr 语法而言，filter(df1, x %in% (filter(df2, y) %>% .$x)) 似乎更合适，并产生所需的输出
是的，我注意到这是可行的，但它似乎更冗长，对我来说可读性稍差（尽管这是有争议的）。但我会接受你的回答:) 你还回答了我一直有的另一个问题 - 提取列的正确 dplyr 方法是什么？我有时使用filter(df2, y) %>% select(x) %>% as.character 或filter(df2, y) %>% select(x) %>% first。
@RichardScriven，我假设您使用的是 dplyr 0.4.0？在 0.3.0.2 中它显然不起作用。另一种选择是filter(df2, y) %>% select(x) %>% inner_join(df1)
@docendodiscimus - 是的。其实今天才更新
@daattali FWIW：（1）当我运行时：filter(df1, x %in% filter(df2, y)$x)，我没有得到与你相同的输出，我得到一个错误：Error: incompatible expression in filter。 (2) 代码在data.tables: dt1 <- as.data.table(df1) 上运行良好； dt2 <- as.data.table(df2); dt1 %>% filter(x == (filter(dt2, y)$x))，这可能表明 data.frame 版本中发生的事情是“未预料到的”。

标签： r dplyr

【解决方案1】：

这是一个有效的问题，为什么您的方法不起作用（显然不再起作用）。我不能回答这个问题，但我会建议一种不同的方法，如上所述，它避免了嵌套函数调用（filter inside 另一个 filter），IMO 是 dplyr 的用途：通过易于阅读和理解的语法表达，从左到右，从上到下。

因此，对于您的示例，因为您感兴趣的列都命名为“x”，您可以这样做：

filter(df2, y) %>% select(x) %>% inner_join(df1)

按“y”列过滤 df2 数据
仅选择“x”列
在公用列 ("x") 上使用 df1 执行 inner_join。 inner_join 的意思是：“返回 x 中在 y 中有匹配值的所有行，以及 x 和 y 中的所有列。”

如果它们不同，例如“z”和“x”，您可以使用：

filter(df2, y) %>% select(x) %>% inner_join(df1, by = c("z" = "x"))

正如 Hadley 在下面的评论中所指出的，在这里使用 semi_join 而不是 inner_join 会更安全。文档说：

semi_join: 从 x 返回所有在 y 中有匹配值的行，只保留来自 x 的列。

半连接与内连接不同，因为内连接将为 y 的每个匹配行返回一行 x，其中半连接将永远不要重复 x 行。

因此，您可以为示例案例做：

filter(df2, y) %>% select(x) %>% semi_join(df1)

【讨论】：

semi_join() 比 inner_join() 更安全
@hadley，这是有道理的。我更新了我的答案并包含了有关 semi_join 的文档。