在R中使用另一数据框的列按组筛选并保留分组信息

你需要在数十万行的大型DataFrame中，基于year分组，只保留df_all里和df_filter同年份下匹配的ID。之前用group_by(year)后直接ID %in% df_filter$ID的方法无效，因为没有关联年份维度，导致跨年份的ID也被错误保留。

示例数据 #

df_filter <- data.frame(year = c(20,20,20,21,21,21), ID = seq(1:6))
df_all <- data.frame(year = c(20,20,20,21,21,21), ID = c(1,2,4,3,5,6))

现有方法的问题 #

直接用group_by(year)后判断ID %in% df_filter$ID，会把所有年份的ID混在一起判断，比如df_all中20年的ID4会被错误保留（因为它存在于df_filter的21年ID列表里），不符合按年份匹配的需求。

高效解决方案 #

推荐用半连接（semi_join）或者内连接（inner_join），这两种方法都能基于year和ID双列匹配，自动实现按组筛选，且处理大数据量效率很高：

方法1：使用dplyr的semi_join（推荐，仅保留匹配行，不新增列）

library(dplyr)

result <- df_all %>%
  semi_join(df_filter, by = c("year", "ID"))

方法2：使用内连接inner_join

library(dplyr)

result <- df_all %>%
  inner_join(df_filter, by = c("year", "ID")) %>%
  select(year, ID)  # 去掉重复列

输出结果 #

两种方法都会得到你想要的结果：

year ID
1   20  1
2   20  2
3   21  5
4   21  6

这两种方法不需要手动分组或枚举组合，底层优化过的算法能高效处理数十万行数据，完美解决跨DataFrame按组匹配筛选的需求。

内容的提问来源于stack exchange，提问作者Srizza