R中filter函数两种筛选写法的差异及hflights航班统计实现

嘿，我来帮你理清楚如何统计hflights数据集中飞往SFO或OAK的航班数量，还有你提到的两种filter写法的核心差异～

首先先加载并整理数据集：

library(hflights)
flights <- tbl_df(hflights)

下面是三种可行的实现方法：

方法一：管道符+逻辑或（|） #

用dplyr的管道语法结合逻辑或运算符，明确指定两个目的地：

# 筛选符合条件的航班
dest_flights <- flights %>% filter(Dest == "SFO" | Dest == "OAK")
# 统计数量
nrow(dest_flights)
# 也可以一步到位
flights %>% filter(Dest == "SFO" | Dest == "OAK") %>% nrow()

方法二：%in%运算符（推荐） #

这种写法更简洁，尤其适合需要匹配多个值的场景：

# 筛选符合条件的航班
dest_flights <- filter(flights, Dest %in% c("SFO", "OAK"))
# 统计数量
nrow(dest_flights)

方法三：Base R的subset函数 #

如果习惯用Base R的语法，也可以这样写：

dest_flights <- subset(flights, Dest %in% c("SFO", "OAK"))
nrow(dest_flights)

重点说下filter(dataframe, var %in% c(x,y,z))和filter(dataframe, var == c(x,y,z))的区别，这俩完全不是一回事：

• %in%是正确的多值匹配方式：它会逐行检查变量值是否存在于右侧的向量中，返回一个和数据集行数一致的布尔向量，所有符合“属于目标集合”条件的行都会被保留。比如Dest %in% c("SFO", "OAK")就是判断每一行的Dest是不是SFO或者OAK，结果完全符合我们的需求。

• == c(x,y,z)是错误的用法：这里R会触发**循环补齐（recycling）**机制——把右侧的向量重复到和左侧变量长度一致，然后逐位置比较。举个例子，如果你的数据集有5行，Dest == c("SFO", "OAK")会变成：第1行和"SFO"比，第2行和"OAK"比，第3行和"SFO"比，第4行和"OAK"比，第5行和"SFO"比。这根本不是“匹配任意一个目标值”的逻辑，会得到完全错误的筛选结果。

给你看个直观的小例子：

test_df <- tibble(Dest = c("SFO", "LAX", "OAK", "SFO", "DAL"))

# 用%in%的正确结果
filter(test_df, Dest %in% c("SFO", "OAK"))
# 输出：保留第1、3、4行，符合预期

# 用== c(...)的错误结果
filter(test_df, Dest == c("SFO", "OAK"))
# 输出：只保留第1行，完全不符合需求

所以记住：要匹配多个值中的任意一个时，一定要用%in%，绝对别用== c(...)！

内容的提问来源于stack exchange，提问作者gourab chanda