如何使用dplyr移除数据集2中与数据集1ID列不匹配的行

要实现保留DF2中ID出现在DF1里的行，最直接的方法是使用dplyr的semi_join()函数——它专门用于筛选第一个数据框中与第二个数据框在指定列上匹配的行，不会额外合并列，完全符合你的需求。

核心代码 #

library(dplyr)

# 保留DF2中ID存在于DF1中的行
filtered_DF2 <- semi_join(DF2, DF1, by = "ID")

为什么anti_join无法直接实现？ #

你之前用的anti_join()是用来提取第一个数据框中不匹配第二个数据框的行（也就是需要移除的记录），它本身不能直接得到目标结果。如果非要通过它间接实现，可以先提取不匹配的ID再剔除，但这种方式远不如semi_join()简洁：

# 间接实现方式（不推荐）
unmatched_ids <- anti_join(DF2, DF1, by = "ID") %>% pull(ID)
filtered_DF2 <- DF2 %>% filter(!ID %in% unmatched_ids)

示例验证 #

用你提供的测试数据运行核心代码：

# 构造示例数据
DF1 <- data.frame(
  ID = c(1,2,3,5,6),
  X = c(1,2,3,5,6),
  Y = c(1,2,3,5,6),
  Z = c(1,2,3,5,6)
)

DF2 <- data.frame(
  ID = c(1,2,3,4,5,6,7),
  A = c(1,2,3,4,5,6,7),
  B = c(1,2,3,4,5,6,7),
  C = c(1,2,3,4,5,6,7)
)

# 执行筛选
filtered_DF2 <- semi_join(DF2, DF1, by = "ID")

# 输出结果
print(filtered_DF2)

得到的结果与你期望一致：

ID A B C
1  1 1 1 1
2  2 2 2 2
3  3 3 3 3
4  5 5 5 5
5  6 6 6 6

内容的提问来源于stack exchange，提问作者Sarah Bell