tidyverse中filter嵌套%in%与pull()失效问题求助

报错原因 #

你嵌套使用管道时没有给内部的管道表达式加括号，R的语法解析会把mydf |> filter(duplicated(...)) |> pull(mpg)当成filter()函数的第二个参数，而非先计算出mpg向量再传入%in%，导致类型不匹配报错。

快速修复原代码 #

给内部的整个管道表达式加上括号，让R优先计算出需要的mpg向量：

mydf |> filter(mpg %in% (mydf |> filter(duplicated(paste0(cyl,am,vs))) |> pull(mpg)))

更准确满足需求的方案 #

不过上述修复后的代码存在逻辑漏洞：duplicated()仅标记第二次及以后出现的重复项，你pull出的只是重复组中非首次行的mpg，如果同一组内首次行的mpg和其他行不同，这行就会被漏掉，无法实现“包含重复组所有观测值”的需求。

推荐用以下更可靠的方法：

方法1：分组筛选（最简洁） #

直接按cyl+am+vs分组，筛选出组内观测数大于1的所有行：

library(tidyverse)
mydf <- tibble(mtcars)

mydf |>
  group_by(cyl, am, vs) |>
  filter(n() > 1) |>
  ungroup()

方法2：用半连接筛选 #

先提取出重复的组合，再通过半连接保留所有属于这些组合的观测：

# 第一步：找出出现次数大于1的cyl+am+vs组合
duplicate_groups <- mydf |>
  count(cyl, am, vs) |>
  filter(n > 1)

# 第二步：筛选出属于这些组合的所有行
mydf |>
  semi_join(duplicate_groups, by = c("cyl", "am", "vs"))

方法3：直接匹配重复组合（替代原思路） #

如果坚持用%in%的逻辑，应该直接匹配组合字符串而非mpg，避免mpg重复带来的误判：

mydf |> filter(
  paste0(cyl, am, vs) %in% (mydf |> filter(duplicated(paste0(cyl, am, vs))) |> pull(paste0(cyl, am, vs)))
)

内容的提问来源于stack exchange，提问作者Yann