如何将Base R条件子集语法转换为dplyr/tidyverse语法？

你的原Base R代码逻辑是：筛选出所有行中ps同时满足「大于等于处理组（treat=1）的ps最小值」和「小于等于对照组（treat=0）的ps最大值」的观测。你用ifelse的写法逻辑完全偏离了这个需求——ifelse是让每行根据自身的treat值选择其中一个条件，而且你代码里的min(ps)/max(ps)是整个数据集的极值，不是对应分组的，所以结果不对。

正确的dplyr写法 #

写法1：先计算临界值再筛选 #

# 先算出两个关键阈值
treat_min_ps <- min(dat$ps[dat$treat == 1])
control_max_ps <- max(dat$ps[dat$treat == 0])

# dplyr筛选
newdat <- dat %>% 
  filter(ps >= treat_min_ps & ps <= control_max_ps)

写法2：在dplyr链内直接计算分组极值 #

newdat <- dat %>% 
  filter(
    ps >= min(ps[treat == 1]) & 
    ps <= max(ps[treat == 0])
  )

写法3：用临时变量存储阈值（更清晰） #

如果担心链内计算极值的可读性，可以先把阈值存入临时列，筛选后再删掉：

newdat <- dat %>% 
  mutate(
    # 计算处理组ps最小值和对照组ps最大值，整列都是同一个值
    treat_min_ps = min(ps[treat == 1]),
    control_max_ps = max(ps[treat == 0])
  ) %>% 
  filter(ps >= treat_min_ps & ps <= control_max_ps) %>% 
  select(-treat_min_ps, -control_max_ps) # 移除临时列

内容的提问来源于stack exchange，提问作者R_studio_user11