dplyr中奇怪的过滤器行为

Question

考虑以下数据集

为什么在进行以下操作时会得到不同的结果：

library(dplyr)
df %>% 
  filter(!(w >= 1 | lag(w >= 1, default = F))) %>% 
  filter(lag(t, default = T) != t) %>%
  summarise(median = median(r), mad = mad(r))

这将导致：

  median      mad
1    664 142.3296

并且

df %>% 
  filter(!(w >= 1 | lag(w >= 1, default = F)), 
         lag(t, default = T) != t) %>%
  summarise(median = median(r), mad = mad(r))

这将会得到：

  median      mad
1    671 152.7078

- qu1ckie

---

我猜在第一个情况下，第二个过滤器是在已经过滤过的数据上起作用，但是在第二个情况下，lag(t, default=T)是在原始数据集上运行的。因此，你分别得到了89和97行。 - akrun

过滤观测数据的两种不同方法会得到不同的数据框，用于计算中位数和 MAD。%>%应当阅读为“然后”。因此，在第一种情况下，您使用第一个条件进行过滤 filter(!(w >= 1 | lag(w >= 1, default = F)))，过滤掉与筛选条件不匹配的所有内容，然后再筛选第二个条件。而在第二种情况下，则是一个大的筛选条件。 - kristang

Answer 1

请参考上方的评论以及：http://cran.rstudio.com/web/packages/dplyr/vignettes/introduction.html

filter()允许您选择数据框中某些行。

...

filter()与subset()类似，但您可以给它任意多个过滤条件，并使用&将它们连接在一起（不是容易误用的&&！）。 您可以明确使用其他布尔运算符： filter(flights, month == 1 | month == 2)

- kristang