如何用dplyr更直接地过滤多键分组中的指定分组？

我需要实现这样的操作：根据独立数据框定义的分组键，从目标数据框中删除对应分组的行。现有代码如下，虽然能实现需求，但想知道dplyr有没有更直接的方法。实际场景中我有多个需要单独过滤的数据框，每个数据框对应的待删除分组键都由单独的数据框定义。

现有实现代码：

set.seed(123)
df <- tibble(
  key1 = sample(5, 100, replace = TRUE),
  key2 = sample(5, 100, replace = TRUE),
  val = rnorm(100)
) |> group_by(key1, key2)

keysToDrop <- tibble(
  key1 = c(5, 2),
  key2 = c(3, 2)
)

df |>
  left_join(keysToDrop |> mutate(dropMe = TRUE), by = c("key1", "key2")) |>
  filter(is.na(dropMe))

当然有更简洁的方法——使用dplyr::anti_join()。这个函数的作用就是返回主数据框中存在，但在指定的对比数据框中不存在的行，完全匹配你“删除对应分组”的需求，不需要额外添加标记列和过滤步骤。

改写后的代码：

set.seed(123)
df <- tibble(
  key1 = sample(5, 100, replace = TRUE),
  key2 = sample(5, 100, replace = TRUE),
  val = rnorm(100)
) |> group_by(key1, key2)

keysToDrop <- tibble(
  key1 = c(5, 2),
  key2 = c(3, 2)
)

# 直接用anti_join实现过滤
df |> anti_join(keysToDrop, by = c("key1", "key2"))

针对你有多个数据框需要单独过滤的场景，只需要对每个数据框分别调用anti_join，传入对应的待删除键数据框即可，逻辑清晰且代码更紧凑。

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