如何在R中利用从数据框提取的值指定列进行子集化？

基础R实现 #

先从cro_df中提取目标列名，再通过列名直接引用数据框的列构造筛选条件：

# 示例数据
df <- data.frame(a = c(1,1,0,NA,0,1), 
                 b = c(0,1,0,1,0, NA),
                 c = c(0,0,0,0,0,0))

cro_df <- data.frame(pop = c('c1', 'c2'),
                     p1 = c('a', 'd'),
                     p2 = c('b', 'f'))

# 提取指定pop对应的目标列名（转为字符向量避免因子类型问题）
target_cols <- as.character(cro_df[cro_df$pop == "c1", c("p1", "p2")])

# 构造筛选条件：两列的值均为1或NA
filter_condition <- (is.na(df[[target_cols[1]]]) | df[[target_cols[1]]] == 1) & 
                    (is.na(df[[target_cols[2]]]) | df[[target_cols[2]]] == 1)

# 筛选数据
result_df <- df[filter_condition, ]

运行后result_df即为期望结果：

> result_df
   a  b c
2  1  1 0
4 NA  1 0
6  1 NA 0

dplyr（tidyverse）实现 #

如果习惯使用tidyverse工具，across()配合all_of()可以更简洁地处理动态列名：

library(dplyr)

target_cols <- as.character(cro_df[cro_df$pop == "c1", c("p1", "p2")])

result_df <- df %>%
  filter(across(all_of(target_cols), ~ is.na(.) | . == 1))

失效原因说明 #

你之前的代码中，col1是字符串（比如"a"），直接在subset()里用is.na(col1)实际是判断字符串本身是否为NA，而非引用df中对应列的值。df[[col_name]]是基础R中动态引用列的可靠方式；dplyr的all_of()则能在across()中正确解析字符串形式的列名，避免列名动态变化时的错误。

内容的提问来源于stack exchange，提问作者user20968182