如何在单个dplyr管道中通过两次自连接筛选数据框？

给定如下R语言tibble数据框dat，需要构建单个dplyr管道，仅保留FirstComponent和SecondComponent的值均存在于Structure列中的行（即IsValid为TRUE的行）。

数据框定义 #

library(dplyr)

dat <- tibble(
    Structure = c("A", "B", "X", "A-X", "B-X", "C-X", "A-Y"), 
    FirstComponent = c(NA, NA, NA, "A", "B", "C", "A"), 
    SecondComponent = c(NA, NA, NA, "X", "X", "X", "Y"),
    IsValid = c(FALSE, FALSE, FALSE, TRUE, TRUE, FALSE, FALSE))

失败的尝试方案 #

方案1：嵌套inner_join报错 #

dat %>%
    inner_join(
        x=inner_join(
            x=.,
            y=select(., FirstComponent=Structure)),
        y=select(., SecondComponent=Structure))

报错信息：Can't subset columns that don't exist. ✖ Columns xandy don't exist.
原因：inner_join无需显式指定x=和y=参数，嵌套写法导致占位符.的作用域混乱，无法识别正确列。

方案2：连续两次自连接结果为空 #

dat %>%
    inner_join(
        x=.,
        y=select(., FirstComponent=Structure)) %>%
    inner_join(
        x=., 
        y=select(., SecondComponent=Structure))

结果：空数据框
原因：第一次inner_join后已过滤部分行，第二次连接时的.指向过滤后的数据集而非原始数据，导致无法匹配到正确的结构值。

可行的解决方法 #

方法1：使用semi_join两次（推荐） #

semi_join仅保留匹配行且不重复添加列，每次基于原始数据验证存在性：

dat %>%
    semi_join(dat, by = c("FirstComponent" = "Structure")) %>%
    semi_join(dat, by = c("SecondComponent" = "Structure"))

方法2：使用filter结合%in% #

直接通过逻辑判断筛选，写法更直观：

dat %>%
    filter(
        FirstComponent %in% Structure,
        SecondComponent %in% Structure
    )

方法3：修正inner_join写法 #

若坚持使用inner_join，需确保每次连接引用原始dat而非管道中的当前数据：

dat %>%
    inner_join(select(dat, Structure), by = c("FirstComponent" = "Structure")) %>%
    inner_join(select(dat, Structure), by = c("SecondComponent" = "Structure"))

以上三种方法均可得到正确结果，保留IsValid为TRUE的两行数据。

内容的提问来源于stack exchange，提问作者Schmuddi