R语言：如何基于两列值优雅删除数据框指定行？

问题背景 #

有一个包含35列、约25万行的data frame，需要根据year和network_id列的值删除指定行，删除规则由以下列表定义：

remove.nets <- list(r19=c(14, 31),
                    r21=c(31),
                    r23=c(32),
                    r24=c(1, 4, 8, 24, 30, 59))

规则对应关系：

• 2019年（对应r19）：删除network_id为14、31的行
• 2021年（对应r21）：删除network_id为31的行
• 2023年（对应r23）：删除network_id为32的行
• 2024年（对应r24）：删除network_id为1、4、8、24、30、59的行

原尝试代码报错：

test.data2 <- test.data %>%
     {if (year==2019) filter(., !network_id %in% remove.nets$r19)}

错误信息：

Error in year == 2019 : 
  comparison (==) is possible only for atomic and list types

目前已通过anti_join实现需求，但希望获得更简洁优雅的方案。

简洁实现方法 #

方法1：dplyr的case_when+filter直接筛选 #

直接在filter中通过case_when匹配年份对应的删除ID列表，筛选出不符合删除条件的行：

library(dplyr)

test.data2 <- test.data %>%
  filter(!case_when(
    year == 2019 ~ network_id %in% remove.nets$r19,
    year == 2021 ~ network_id %in% remove.nets$r21,
    year == 2023 ~ network_id %in% remove.nets$r23,
    year == 2024 ~ network_id %in% remove.nets$r24,
    TRUE ~ FALSE  # 其他年份不执行删除
  ))

方法2：自动转换规则列表后用anti_join #

无需手动构造删除规则的data frame，通过代码自动转换原列表为结构化数据，再执行anti_join：

library(dplyr)
library(tibble)

# 自动转换规则列表为年份-ID对应的数据框
remove_df <- enframe(remove.nets, name = "year_code", value = "network_id") %>%
  mutate(year = as.integer(sub("r", "", year_code))) %>%
  unnest(network_id) %>%
  select(year, network_id)

# 筛选保留数据
test.data2 <- test.data %>%
  anti_join(remove_df, by = c("year", "network_id"))

这种方法适配规则列表的变动，无需手动维护年份和ID的对应关系。

方法3：base R向量化实现 #

如果不依赖tidyverse包，可使用base R的向量化判断完成筛选：

# 构建年份与删除ID的映射
year_map <- list(
  "2019" = remove.nets$r19,
  "2021" = remove.nets$r21,
  "2023" = remove.nets$r23,
  "2024" = remove.nets$r24
)

# 生成需要删除的行的判断逻辑
to_remove <- mapply(
  function(y, ids) test.data$year == y & test.data$network_id %in% ids,
  y = as.integer(names(year_map)),
  ids = year_map
) %>% rowSums() > 0

# 筛选保留数据
test.data2 <- test.data[!to_remove, ]

内容的提问来源于stack exchange，提问作者Stuart