如何在dplyr中按特定组合过滤匹配另一数据框的观测？

我来帮你搞定这个问题！你想要的是从数据框x中筛选出同时匹配y里id和dat组合的观测，这其实是个很常见的多列匹配需求，下面给你两种简单靠谱的实现方法：

首先先明确你的原始数据，方便对照：

x <- data.frame(id = c(1, 1, 2, 2), dat = c("a", "b", "a", "b"), val = 1:4)
y <- data.frame(id = 1:2, dat = c("a", "b"))

方法1：用Base R的merge()函数 #

这是最基础的内置方法，默认就是做内连接，只保留两个数据框中匹配指定列的行：

z <- merge(x, y, by = c("id", "dat"))

运行后得到的z就是你想要的结果：

z
id dat val
1 1 a 1
2 2 b 4

方法2：用dplyr包的semi_join() #

如果你习惯用tidyverse的语法，semi_join()是更贴合“筛选”场景的函数——它只会从x中提取在y里有匹配行的观测，不会额外添加列：

library(dplyr)
z <- x %>% semi_join(y, by = c("id", "dat"))

这个方法的结果和上面完全一致，而且如果y里有重复行，它也不会像merge()那样重复输出x的行，逻辑更清晰。

为什么你之前的方法可能没成功？大概率是只单独对id或dat用了%in%，但没有同时匹配两列的组合，而上面的两种方法都是直接基于多列组合做匹配，所以能精准得到你要的结果。

内容的提问来源于stack exchange，提问作者Frederick