R语言中data$group == c("A","B")与或逻辑筛选的差异是什么？

这个差异是R的向量化运算规则直接导致的：

• R的比较运算符==是向量化运算，会触发循环补齐机制：当运算符左右两侧的向量长度不一致时，短向量会被自动重复拼接，直到和长向量长度相同，再逐位进行比较。

第一种写法错误原因 #

你使用的data$group == c("A","B")逻辑如下：

• data$group是长度为32的向量，右侧c("A","B")是长度为2的向量，会被循环补全为c("A","B","A","B",...)（重复16次，总长度32）
• 补全后逐位对比：第1行group和"A"比、第2行和"B"比、第3行和"A"比、第4行和"B"比，以此类推
• 只有对应位置的元素完全相等才会返回TRUE，所以只能匹配到刚好符合位置规律的行，无法筛选出所有值为"A"或"B"的记录，最终得到的行数自然小于32。

第二种写法正确原因 #

data$group == "A" | data$group == "B"的逻辑是对每一行单独做两次判断：先判断当前行group值是否等于"A"，再判断是否等于"B"，只要满足其中一个条件就返回TRUE，所以所有符合要求的32条记录都会被筛选出来。

多值匹配的简化正确写法 #

如果不想写多个|判断，可以用%in%运算符，作用是判断左侧向量的每个元素是否属于右侧集合，和第二种写法的逻辑完全等价：

d3 <- subset(data, group %in% c("A","B"))

内容的提问来源于stack exchange，提问作者IdkIDK