r - 在 dplyr 中过滤字符串列上的多个值

Question

我有一个 data.frame，其中一列包含字符数据。我想从同一列过滤 data.frame 中的多个选项。有没有一种简单的方法可以做到这一点，而我却缺少这种方法？

示例:data.frame 名称 = dat

days      name
88        Lynn
11        Tom
2         Chris
5         Lisa
22        Kyla
1         Tom
222       Lynn
2         Lynn

例如，我想过滤掉 Tom 和 Lynn。
当我这样做时:

target <- c("Tom", "Lynn")
filt <- filter(dat, name == target)

我收到此错误:

longer object length is not a multiple of shorter object length

Answer 1

您需要 %in% 而不是 ==:

library(dplyr)
target <- c("Tom", "Lynn")
filter(dat, name %in% target)  # equivalently, dat %>% filter(name %in% target)

产品

  days name
1   88 Lynn
2   11  Tom
3    1  Tom
4  222 Lynn
5    2 Lynn

要了解原因，请考虑这里发生的情况:

dat$name == target
# [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE

基本上，我们将两个长度的 target 向量回收四次，以匹配 dat$name 的长度。换句话说，我们正在做:

 Lynn == Tom
  Tom == Lynn
Chris == Tom
 Lisa == Lynn
 ... continue repeating Tom and Lynn until end of data frame

在这种情况下，我们不会收到错误，因为我怀疑您的数据框实际上具有不同数量的行，不允许回收，但您提供的示例允许回收(8 行)。如果样本的行数为奇数，我会得到与您相同的错误。但即使回收有效，这显然也不是您想要的。基本上，语句 dat$name == target 相当于说:

return TRUE for every odd value that is equal to "Tom" or every even value that is equal to "Lynn".

碰巧样本数据框中的最后一个值是偶数并且等于“Lynn”，因此上面的 TRUE 。

相比之下，dat$name %in% target 表示:

for each value in dat$name, check that it exists in target.

非常不同。结果如下:

[1]  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE

请注意，您的问题与dplyr无关，只是错误使用==。