存在NAs时，将dplyr筛选器转换为基本R

我在dplyr中有一个正在工作的

filter

语句，我无法将其转换为base R

library(dplyr)
x <- data.frame(
    v1 = c("USA", "Canada", "Mexico"),
    v2 = c(NA, 1:5)
  )

x %>% filter(v1=="Canada",v2 %in% 3:5)

x[x$v1=="Canada" && x$v2 %in% 3:5,]

库（dplyr）
x%过滤器（v1==“加拿大”，v2%位于%3:5）
x[x$v1==“加拿大”&&x$v2%在%3:5中，]

如有任何帮助，将不胜感激。

请举例说明：

library(dplyr)
x <- data.frame(
   v1 = c("USA", "Canada", "Mexico"),
   v2 = c(NA, 1:5)
)

# filter 
x %>% filter(v1=="Canada",v2 %in% 3:5)
      v1 v2
1 Canada  4

# your approach
x[x$v1=="Canada" && x$v2 %in% 3:5,]
 v1 v2
<0 rows> (or 0-length row.names)

# second & removed
x[x$v1=="Canada" & x$v2 %in% 3:5,]
      v1 v2
5 Canada  4

---

子集

位于基本R中，其功能类似于

dplyr

中的

filter

。子集是否足够，或者出于某种原因是否需要括号符号

> x <- data.frame(
+     v1 = c("USA", "Canada", "Mexico"),
+     v2 = c(NA, 1:5)
+ )

通过基本R/

子集

：

> subset(x, v1 == 'Canada' & v2 %in% 3:5)
      v1 v2
5 Canada  4

---

添加

&！is.na（x$v2）

Man，我认为

&&

是一个短圆圈，“本质上意味着

x&&y

意味着如果x为假，甚至不用计算y。类似的

x | | y

意味着如果x为真，甚至不要同时计算y，但显然我错了。谢谢，是的！但你不想在这里这样。您需要

TRUE

和

FALSE

语句的向量，每个观察值一个。如果在

R

需要向量时只提供一个

FALSE

语句，

R

将回收该向量。因此，对于每一行，您都会说

FALSE

，从而得到上述结果（无行）。

> x <- data.frame(
+     v1 = c("USA", "Canada", "Mexico"),
+     v2 = c(NA, 1:5)
+ )

> x %>% filter(v1=="Canada",v2 %in% 3:5)
      v1 v2
1 Canada  4

> subset(x, v1 == 'Canada' & v2 %in% 3:5)
      v1 v2
5 Canada  4