R 如何通过在第二个数据帧中列出的任意标识符进行过滤？

我经常发现自己有一系列表示我想分析的特定实验的唯一标识符。为了加快通过这些实验创建数据子集的过程，我开始将这些列表存储在单独的表中。这些唯一标识符的组合经常变化，这取决于我正在分析的数据类型，虽然我知道我每次都可以编写这样的函数：

library(dplyr)
filter_xy <- function(data, look) {
  base <- look %>% mutate(id__ = paste0(x,y)) %>% distinct()
  data %>%
    mutate(id__ = paste0(x,y)) %>%
    filter(id__ %in% base$id__) %>%
    select(-id__)
}

我一直想弄明白，但我还不太理解非标准评估。我想应该是这样，但我不确定

filter_id <- function(data, look, ...) {
  id <- c(...)
  base <- look %>%
    mutate_(.dots = setNames(list(interp( ~ paste0(id))), "id__")) %>%
    distinct()
  data %>%
    mutate_(.dots = setNames(list(interp( ~ paste0(id))), "id__")) %>%
    filter(id__ %in% base$id__) %>%
    select(-id__)
}

test.csv

：

g,h
a,a
a,b
b,a
b,b
c,a
c,b
c,c
c,d

g,h,x,y
a,a,1,10
a,a,2,8
a,b,1,10
a,b,2,8
a,b,3,7
a,c,1,10
a,c,2,9
a,c,3,8
a,c,4,8
a,d,1,10
a,d,2,9
a,d,3,8
a,e,1,10
a,e,2,10
a,e,3,10
b,a,1,10
b,a,2,3
b,b,1,10
b,b,2,5
b,c,1,10
b,c,2,10
b,c,3,10
b,d,1,10
b,d,2,10
c,a,1,10
c,a,2,8
c,b,1,10
c,b,2,9
c,b,3,8
c,b,4,8
c,c,1,10
c,c,2,4
c,d,1,10
d,a,1,10
d,a,2,9
d,a,3,8
d,b,1,10
d,b,2,10
d,b,3,10
d,c,1,10
d,c,2,9
d,c,3,9
d,d,1,10
d,d,2,10

我要编写的代码是将

test.csv

数据子集到

lookup.csv

数据中的列中，代码如下：

lookup <- read_csv("lookup.csv")
test <- read_csv("test.csv")
test %>% filter_id(lookup, g, h)

结果是：

       g     h     x     y
   (chr) (chr) (int) (int)
1      a     a     1    10
2      a     a     2     8
3      a     b     1    10
4      a     b     2     8
5      a     b     3     7
6      b     a     1    10
7      b     a     2     3
8      b     b     1    10
9      b     b     2     5
10     c     a     1    10
11     c     a     2     8
12     c     b     1    10
13     c     b     2     9
14     c     b     3     8
15     c     b     4     8
16     c     c     1    10
17     c     c     2     4
18     c     d     1    10

---

我想您真的只想使用正确的列（

g

和

h

）进行一次

？半联接

：

半自动连接

从x返回y中有匹配值的所有行， 只保留x的列

半联接与内部联接不同，因为内部联接将 为y的每个匹配行返回一行x，其中半联接将 永远不要重复x的行

举个例子，那就是：

filter_gh <- function(data, look) {
  base <- look %>% mutate(id__ = paste0(g,h)) %>% distinct()
  data %>%
    mutate(id__ = paste0(g,h)) %>%
    filter(id__ %in% base$id__)
}

semi_join(test, lookup, by = c("g", "h"))
#   g h x  y
#1  a a 1 10
#2  a a 2  8
#3  a b 1 10
#4  a b 2  8
#5  a b 3  7
#6  b a 1 10
#7  b a 2  3
#8  b b 1 10
#9  b b 2  5
#10 c a 1 10
#11 c a 2  8
#12 c b 1 10
#13 c b 2  9
#14 c b 3  8
#15 c b 4  8
#16 c c 1 10
#17 c c 2  4
#18 c d 1 10

---

如果您将数据存储为

因子

变量，则可能会出现警告。

更简单的思考方法。谢谢！我没有想过使用任何

*\u join

函数。

semi_join(test, lookup, by = c("g", "h"))
#   g h x  y
#1  a a 1 10
#2  a a 2  8
#3  a b 1 10
#4  a b 2  8
#5  a b 3  7
#6  b a 1 10
#7  b a 2  3
#8  b b 1 10
#9  b b 2  5
#10 c a 1 10
#11 c a 2  8
#12 c b 1 10
#13 c b 2  9
#14 c b 3  8
#15 c b 4  8
#16 c c 1 10
#17 c c 2  4
#18 c d 1 10