R语言使用filter()和%in%按另一数据框筛选失效如何解决

你遇到的匹配失效本质是%in%执行严格相等匹配时，两个title列的实际值存在你未注意到的差异，常见原因如下：

• 字段类型不统一：例如df1$title是因子（factor）类型，df2$title是字符串（character）类型，因子默认匹配内部层级值而非显示的文本值，会导致匹配完全失效。
• 存在隐形字符/格式差异：例如其中一列的title值带有前后空格、换行符、制表符，或是存在全角/半角符号、大小写差异，肉眼看起来一致但实际字符编码完全不同。
• 两个title列本身就没有共同值：这种情况下你看到的返回结果属于正常逻辑输出。

第一步：统一字段类型 #

先确认两个字段的类型，统一转为字符串类型：

# 查看类型
class(df1$title)
class(df2$title)

# 统一转字符串
df1$title <- as.character(df1$title)
df2$title <- as.character(df2$title)

第二步：清理字段隐形格式问题 #

使用字符串处理工具统一清理格式偏差：

library(stringr)
# 去除前后/中间多余空白、统一转为小写，也可根据需要添加全角转半角逻辑
df1$title <- str_squish(df1$title) %>% str_to_lower()
df2$title <- str_squish(df2$title) %>% str_to_lower()

第三步：验证并执行匹配 #

先确认两列是否存在真实交集，再执行筛选：

# 查看共同值，返回非空则说明存在匹配项
intersect(df1$title, df2$title)

# 执行筛选
df1 %>% filter(!title %in% df2$title)

如果intersect返回空值，说明两个数据集的title本身就没有重叠，你看到的原筛选结果是正常的，无需调整逻辑。

内容的提问来源于stack exchange，提问作者Michael Putman