长格式数据中相同ID对象的精准过滤方法问询

我完全懂你的困扰：长格式下直接用行级的OR/AND筛选，会把只满足单个条件的行也保留下来，但你需要的是同时满足所有属性条件的样本-对象组合。这里有个不需要连接表、也不用硬计数的灵活方法，特别适合Shiny动态搜索的场景：

方法1：分组后检查组内是否同时满足所有条件 #

利用dplyr的group_by将数据按sample和object分组，然后在组内检查每个条件是否都存在：

library(dplyr)

df <- data.frame(
  sample = c("A", "A", "A", "B", "B", "C", "C"),
  object = c("O1", "O1", "O2", "O1", "O2", "O1", "O1"),
  property = c("Color", "Car", "Weather", "Car", "Animal", "Color", "Car"),
  value = c("red", "Ford", "Rain", "Ford", "Dog", "red", "Volkswagen")
)

df %>%
  group_by(sample, object) %>%
  filter(
    # 检查组内是否存在红色的Color属性
    any(property == "Color" & value == "red") &
    # 检查组内是否存在福特的Car属性
    any(property == "Car" & value == "Ford") &
    # 固定筛选O1对象
    object == "O1"
  ) %>%
  ungroup()

运行后只会保留样本A的O1对应的两行（同时满足红色+福特），完全符合你的需求。

适配Shiny动态搜索的扩展写法

你可以把条件做成动态列表，不管用户选多少个条件都能灵活适配：

# 示例：动态生成的条件列表（可从Shiny输入中构建）
conditions <- list(
  ~property == "Color" & value == "red",
  ~property == "Car" & value == "Ford",
  ~object == "O1"
)

df %>%
  group_by(sample, object) %>%
  filter(all(purrr::map_lgl(conditions, ~any(rlang::eval_tidy(.x))))) %>%
  ungroup()

这种写法不需要修改核心逻辑，只需要更新条件列表就能对应不同的搜索需求。

方法2：临时转宽筛选再转长（适合属性较少的场景） #

如果你的目标属性数量不多，也可以先临时转成宽格式完成筛选，再转回长格式：

df %>%
  tidyr::pivot_wider(names_from = property, values_from = value) %>%
  filter(object == "O1", Color == "red", Car == "Ford") %>%
  tidyr::pivot_longer(
    cols = where(is.character), # 自动匹配所有属性列
    names_to = "property", 
    values_to = "value", 
    values_drop_na = TRUE
  )

这个方法更直观，但属性数量较多时，灵活性不如分组方法。

为什么你之前的代码会出错？ #

你之前的OR条件是行级判断：只要某一行满足(O1+Color+red)或者(O1+Car+Ford)就会被保留，所以会把样本B的O1（只有Ford）、样本C的O1（只有red）都拉进来。而我们需要的是组级判断：整个样本-对象组合必须同时具备所有条件，所以分组后用any()检查每个条件是否在组内存在，再用&组合这些判断，才能得到正确结果。

内容的提问来源于stack exchange，提问作者bonedi