dplyr链式操作中如何访问含新增列的完整数据框并过滤数据？

一、解决“即时引用新增列”的问题 #

你之前的代码失败，是因为子查询调用的是原始df，而filter_key是mutate步骤才新增的列，原始df里不存在。要引用管道中当前的中间结果，把子查询里的df换成.（代表管道流转到当前步骤的数据集）即可：

library(dplyr)

df %>%
  mutate(filter_key = paste0(a, "_", b)) %>%
  filter(!(filter_key %in% (.[.$c == "delete", ] %>% pull(filter_key) %>% unique())))

更简洁的写法：

df %>%
  mutate(filter_key = paste0(a, "_", b)) %>%
  filter(!filter_key %in% unique(.$filter_key[.$c == "delete"]))

二、更高效的直接过滤方案（无需生成filter_key） #

方案1：使用anti_join（最直观） #

先提取所有标记为delete的a、b组合，再用anti_join移除所有匹配这些组合的行：

# 获取需要删除的a、b组合
delete_pairs <- df %>% 
  filter(c == "delete") %>% 
  select(a, b) %>% 
  unique()

# 移除所有匹配组合的行
df %>% anti_join(delete_pairs, by = c("a", "b"))

方案2：分组过滤（无需中间数据集） #

按a、b分组，直接过滤掉组内存在delete标记的所有行：

df %>%
  group_by(a, b) %>%
  filter(!any(c == "delete")) %>%
  ungroup()

方案3：直接组合判断 #

和你的思路类似，但不需要新增列，直接在filter里生成组合字符串进行判断：

# 获取所有需要排除的a、b组合字符串
delete_combo <- df %>% 
  filter(c == "delete") %>% 
  mutate(combo = paste0(a, "_", b)) %>% 
  pull(combo) %>% 
  unique()

# 过滤排除
df %>% filter(!paste0(a, "_", b) %in% delete_combo)

以上三种方案都能得到相同结果：移除所有包含delete行的a、b组合的全部数据行。

内容的提问来源于stack exchange，提问作者Hendy