问题描述
df <- tibble::rownames_to_column(USArrests,"State") %>%
tidyr::pivot_longer(cols = -State)
head(df)
# A tibble: 6 x 3
State name value
<chr> <chr> <dbl>
1 Alabama Murder 13.2
2 Alabama Assault 236
3 Alabama UrbanPop 58
4 Alabama Rape 21.2
5 Alaska Murder 10
6 Alaska Assault 263
在单独的列表对象 l 中，我有列，我需要从数据框中删除这些列。元素名称是列名称，值对应于我要删除的行：
l <- list(State = c("Alabama","Pennsylvania","Texas"),name = c("Murder","Assault"))
硬编码它会这样做：
dplyr::filter(df,!State %in% c("Alabama",!name %in% c("Murder","Assault"))
State name value
<chr> <chr> <dbl>
1 Alaska UrbanPop 48
2 Alaska Rape 44.5
3 Arizona UrbanPop 80
4 Arizona Rape 31
5 Arkansas UrbanPop 50
6 Arkansas Rape 19.5
7 California UrbanPop 91
8 California Rape 40.6
9 Colorado UrbanPop 78
10 Colorado Rape 38.7
# ... with 84 more rows
但是，l 经常更改，因此我不能/不想进行硬编码。我尝试了以下操作，但只计算最后一个表达式：
library(purrr)
filter_expr <- imap_chr(l,~ paste0("! ",.y," %in% c(\"",paste(.x,collapse = "\",\""),"\")")) %>% parse(text = .)
filter(df,eval(filter_expr))
State name value
<chr> <chr> <dbl>
1 Alabama UrbanPop 58
2 Alabama Rape 21.2
3 Alaska UrbanPop 48
4 Alaska Rape 44.5
5 Arizona UrbanPop 80
6 Arizona Rape 31
7 Arkansas UrbanPop 50
8 Arkansas Rape 19.5
9 California UrbanPop 91
10 California Rape 40.6
# ... with 90 more rows
当过滤条件存储在像 df 这样更符合 tidyverse 习惯的结构中时，有没有办法过滤 l？
我考虑过这个 SO answer，但是，表达式不是动态的。
解决方法
我们可以在 across 中使用 filter 来循环 'l' 的 names，通过使用列名（{{1 }}) 和否定 (cur_column())。请注意，! 目前仅适用于 cur_column() 而不适用于 across（if_all/if_any -dplyr 在 1.0.6）
R 4.1.0-输出
library(dplyr)
df %>%
filter(across(all_of(names(l)),~ !. %in% l[[cur_column()]]))
如果我们可以设置一个属性，我们可以使用 # A tibble: 94 x 3
# State name value
# <chr> <chr> <dbl>
# 1 Alaska UrbanPop 48
# 2 Alaska Rape 44.5
# 3 Arizona UrbanPop 80
# 4 Arizona Rape 31
# 5 Arkansas UrbanPop 50
# 6 Arkansas Rape 19.5
# 7 California UrbanPop 91
# 8 California Rape 40.6
# 9 Colorado UrbanPop 78
#10 Colorado Rape 38.7
# … with 84 more rows
if_all或者用library(magrittr)
df %>%
mutate(across(all_of(names(l)),~ set_attr(.,'cn',cur_column()))) %>%
filter(if_all(all_of(names(l)),~ ! . %in% l[[attr(.,'cn')]]))
imap/reduce或者另一个选项是library(purrr)
df %>%
filter(imap(l,~ !cur_data()[[.y]] %in% .x) %>%
reduce(`&`))
anti_join这里的另一个潜在选择是使用 purrr 创建一个逻辑向量，该向量允许 & 与 | 条件，并且可以访问当前列名 (.y) 而无需cur_column，只能在 across 内使用：
df %>%
filter(imap(l,~ !df[[.y]] %in% .x) %>% reduce(`&`)) # can use magrittr::and
输出
State name value
<chr> <chr> <dbl>
1 Alaska UrbanPop 48
2 Alaska Rape 44.5
3 Arizona UrbanPop 80
4 Arizona Rape 31
5 Arkansas UrbanPop 50
6 Arkansas Rape 19.5
7 California UrbanPop 91
8 California Rape 40.6
9 Colorado UrbanPop 78
10 Colorado Rape 38.7
# ... with 84 more rows
或变体是：
df %>%
filter(imap(l,~ !df[[.y]] %in% .x) %>% reduce(`|`)) # can use magrittr::or