使用dplyr按条件部分筛选数据框：保留NA行+过滤日期符合条件行

问题 #

需要用dplyr对数据框执行筛选，规则如下：

• 保留所有id为NA的行
• 对id不为NA的行，仅保留date处于report_start与report_end之间（包含边界值）的行

示例数据框代码：

tbl <- tribble(
  ~account, ~date, ~id, ~report_start, ~report_end,
  "a", as.Date('2022-09-03'), NA, NA, NA,
  "b", as.Date('2022-09-03'), NA, NA, NA,
  "c", as.Date('2022-09-03'), NA, NA, NA,
  "c", as.Date('2022-09-03'), NA, NA, NA,
  "e", as.Date('2022-09-03'), 1, as.Date('2022-07-04'), as.Date('2022-10-02'),
  "e", as.Date('2022-09-03'), 1, as.Date('2022-10-03'), as.Date('2022-12-15'),
  "e", as.Date('2022-09-03'), 2, as.Date('2022-03-28'), as.Date('2022-07-03'),
  "f", as.Date('2022-09-03'), NA, NA, NA,
  "g", as.Date('2022-09-03'), 2, as.Date('2022-07-04'), as.Date('2022-10-02'),
  "g", as.Date('2022-09-03'), 3, as.Date('2022-07-04'), as.Date('2022-12-15'),
)

此前尝试的代码会过滤掉所有id为NA的行，无法满足需求：

df <- tbl %>%
  filter(!is.na(id), (date >= report_start & date <= report_end))

解决方案 #

核心是用逻辑或（|）把两个筛选条件组合：保留id为NA的行，或者（id不为NA且日期符合范围）的行。

完整写法 #

df <- tbl %>%
  filter(is.na(id) | (!is.na(id) & date >= report_start & date <= report_end))

简化写法 #

由于R的逻辑或运算支持短路求值（当第一个条件is.na(id)为真时，不会执行后面的条件判断），因此可以简化为：

df <- tbl %>%
  filter(is.na(id) | (date >= report_start & date <= report_end))

结果验证 #

执行后会得到符合预期的筛选结果：

• 所有id为NA的行全部保留
• id不为NA的行中，仅保留date在report_start和report_end区间内的行，比如e账号id=1的第一行、g账号的id=2和id=3行会被保留，其余不符合日期条件的行被过滤。

内容的提问来源于stack exchange，提问作者winlai