Question

这是我的数据：

df <- tibble::tribble(
  ~A,  ~B,  ~C,  ~D,
  2L, "a", "e", 2L,
  4L, "a", "f", NA_integer_,
  4L, "b", "g", NA_integer_,
  4L, "b", "h", NA_integer_
  )

df$B <- as.factor(df$B) 
df$A <- as.factor(as.character(df$A))

以下是我的过滤条件：

remove2 <- "as.integer(A)!=2L"

我只想用A == 2删除观察结果，但是下面的代码保留了它，为什么？

df %>% dplyr::filter_(remove2)

我想使用filter_，因为它接受条件作为字符。如果您可以建议过滤（不使用下划线版本）并将字符作为条件，那也可以。

Answer 1

尝试以下方法：

remove2 <- "as.numeric(as.character(A))!=2L"

df %>% dplyr::filter_(remove2)

# A tibble: 3 x 4
  A     B     C         D
  <fct> <fct> <chr> <int>
1 4     a     f        NA
2 4     b     g        NA
3 4     b     h        NA

请注意，因素的编码方式不同。参见

 as.integer(df$A)
 [1] 1 2 2 2

要获取“如图所示”的因子值，请使用as.numeric(as.character(.))

其他答案指出，下划线功能已被弃用（尽管它们仍然有效）。为了以绝对未来的方式实现这一目标，使用简单的base R：

可能是一个好主意。

df[which(df[["A"]] != 2L),]
# A tibble: 3 x 4
  A     B     C         D
  <fct> <fct> <chr> <int>
1 4     a     f        NA
2 4     b     g        NA
3 4     b     h        NA

Answer 2

作为字符串的代码是反模式。它提出了一个问题：字符串来自哪里？

如果是你，开发人员，输入它，那么编写起来就更困难了（你没有受益于你的IDE功能，比如自动完成），而且更容易出错（你可以写出语法上无效的代码，在它实际被解析和评估之前不会被捕获，可能更晚，更难以理解错误）。

如果是来自不是你的用户的输入，那么这是一个主要的安全漏洞。

你可以改为：

remove2 <- quote(as.numeric(as.character(A)) != 2L)

filter(df, !! remove2)

（!!是tidyeval框架中的“unquote”运算符。）

虽然它不完全令人满意（在我看来仍然是代码味道），因为很少必须取消引用整个代码段，通常它只是一个变量名。

Answer 3

其他人已经解释了这个问题的原因，factor内部被编码为整数，这可能与它看起来很明显不同。我要指出的另一件事是filter_自dplyr 0.7以来已被弃用。因此，我们可以考虑使用filter函数将字符串评估为以下两个选项。

remove2 <- "as.integer(as.character(A)) != 2L"

library(dplyr)
library(rlang)

df %>% filter(eval(parse(text = remove2)))
# # A tibble: 3 x 4
#   A     B     C         D
#   <fct> <fct> <chr> <int>
# 1 4     a     f        NA
# 2 4     b     g        NA
# 3 4     b     h        NA

df %>% filter(eval(parse_expr(remove2)))
# # A tibble: 3 x 4
#   A     B     C         D
#   <fct> <fct> <chr> <int>
# 1 4     a     f        NA
# 2 4     b     g        NA
# 3 4     b     h        NA

dplyr：filter_，字符条件不起作用

3 个答案: