如何基于非嵌套字符向量对Purrr嵌套数据进行条件筛选？

没问题，我来帮你搞定这个嵌套数据的条件筛选需求。首先得先修正一下你提供的df2代码——直接把vec1/vec2放进tribble会报错，因为它们是长度大于1的向量，得用list()把它们包起来，不然会出现列长度不匹配的问题。先把完整的可复现代码放出来：

library(tidyverse)

vec1 <- c("A", "B")
vec2 <- c("A", "B", "C")

# 生成嵌套的df1
df1 <- tibble::tribble(
  ~A, ~B,
  "X", 4L,
  "X", 9L,
  "Y", 5L,
  "Y", 2L,
  "Y", 8L,
  "Y", 2L
) %>% group_by(A) %>% nest()

# 修正后的df2：用list()包裹向量，确保列类型统一为列表
df2 <- tibble::tribble(
  ~A, ~C,
  "X", list(vec1),
  "Y", list(vec2)
)

# 合并得到df3
df3 <- df1 %>% left_join(df2, by = "A")

接下来就是核心的筛选逻辑：我们可以用dplyr::case_when结合purrr系列函数，根据C列的不同值（vec1或vec2）对嵌套的data列应用不同的筛选规则。假设你说的“对应条件”是筛选B > 3（你可以根据实际需求替换成自己的条件），代码如下：

# 生成筛选后的df4
df4 <- df3 %>%
  mutate(data = case_when(
    # 判断当前行的C是否等于vec1（因为C是列表，用map_lgl逐个检查）
    map_lgl(C, ~identical(.x, vec1)) ~ map(data, ~filter(.x, B < 5)),
    # 判断当前行的C是否等于vec2，应用对应筛选条件
    map_lgl(C, ~identical(.x, vec2)) ~ map(data, ~filter(.x, B > 3)),
    # 如果有其他未匹配的C值，默认保留原数据（也可以改成~list(tibble())来清空）
    TRUE ~ data
  ))

# 展开嵌套数据查看结果
df4 %>% unnest(data)

代码解释： #

• map_lgl(C, ~identical(.x, vec1))：因为C列是列表类型，所以用map_lgl遍历每个列表元素，判断是否和vec1完全一致，返回逻辑值用于case_when的分支判断。
• map(data, ~filter(.x, B < 5))：对符合条件的行，用map遍历嵌套的data数据框，应用filter筛选出B < 5的行。
• 对于vec2对应的分支，你只需要把filter(.x, B > 3)替换成你实际需要的筛选条件即可（比如B %% 2 == 0筛选偶数，或者B %in% c(2,5)等）。

运行上面的代码后，df4就是你需要的筛选后的嵌套数据框，展开后可以看到：

• 对于A="X"（对应C=vec1），只保留了B=4的行；
• 对于A="Y"（对应C=vec2），保留了B=5和B=8的行（符合B>3的条件）。

内容的提问来源于stack exchange，提问作者Geet