如何在dplyr的group_by后仅对单个组执行过滤操作？

要实现仅在指定组内过滤/排除特定值、其他组保持完整的需求，你可以在filter()中结合分组判断逻辑，无需额外复杂操作。以下是两种常用方法：

方法一：直接在filter中组合逻辑条件 #

这是最简洁高效的方式，通过逻辑或（|）区分目标组和其他组的处理规则：

首先构造示例数据：

library(dplyr)

df <- tibble(
  category = rep(c("A", "B", "C"), each = 3),
  value = c(1, 5, 3, 2, 5, 4, 5, 6, 7)
)

假设我们需要在category == "A"的组中排除value == 5的行，其他组保留所有数据：

df_filtered <- df %>%
  group_by(category) %>%
  filter(category != "A" | value != 5) %>%
  ungroup()

逻辑说明：

• 当category不是"A"时，category != "A"为真，所有行都会被保留
• 当category是"A"时，只有value != 5的行才会通过过滤

方法二：使用group_modify自定义分组处理 #

如果需要更复杂的分组逻辑，可以用group_modify()为不同组指定处理函数：

df_filtered <- df %>%
  group_by(category) %>%
  group_modify(function(.x, .y) {
    # .y存储当前组的分组信息
    if (.y$category == "A") {
      .x %>% filter(value != 5)
    } else {
      # 其他组直接返回原数据
      .x
    }
  }) %>%
  ungroup()

两种方法都能实现仅对目标组执行过滤的需求，推荐优先使用方法一，代码更简洁且性能更优。

内容的提问来源于stack exchange，提问作者immuen