在dplyr中如何用另一张表的两列进行同时过滤？验证自身实现思路的正确性

嗨，刚好能帮你厘清这个问题～你的预期结果和想要实现的逻辑是对的，但当前写的filter代码其实没法准确实现「匹配col1与col2的对应组合」这个需求，我来给你拆解下：

为什么当前代码有问题 #

你写的：

final_table <- table_2 %>% filter(col1 %in% table_1$col1 & col2 %in% table_1$col2)

这个逻辑是分别检查col1是否在table_1的col1列表里，同时col2是否在table_1的col2列表里，但这两个条件是独立的，不是绑定在一起的组合匹配。举个极端点的例子：
如果table_1的数据是：

那table_2里的One 1 A这一行，会被当前代码保留——因为One在table_1的col1里，1也在table_1的col2里，但这个**(One,1)的组合其实根本不在table_1里**，这就不符合你想要的「对应组合匹配」的逻辑了。

正确的实现方式 #

要实现「匹配两列的对应组合」，用dplyr里的semi_join是最直接的，它专门用来保留左表（这里是table_2）中在右表（table_1）存在完全匹配组合的行：

final_table <- table_2 %>% semi_join(table_1, by = c("col1", "col2"))

运行这段代码后，你会得到完全符合预期的结果：

补充说明（用filter实现的替代方案） #

如果一定要用filter来实现，也可以先把table_1的col1和col2组合成一个唯一标识，再做匹配：

# 先给table_1生成组合列
table_1_with_key <- table_1 %>% mutate(key = paste(col1, col2, sep = "_"))
# 过滤table_2
final_table <- table_2 %>% 
  mutate(key = paste(col1, col2, sep = "_")) %>%
  filter(key %in% table_1_with_key$key) %>%
  select(-key) # 删掉临时生成的key列

不过这种方法不如semi_join简洁高效，尤其是数据量较大的时候，优先推荐用semi_join。

内容的提问来源于stack exchange，提问作者PotterFan