在 R 中：带有向量变量的子集或 dplyr::filter

df <- 
  data.frame(a=LETTERS[1:4],
             b=rnorm(4)
             )

vals <- c("B","D")

我可以过滤/子集df值在val with:

dplyr::filter(df, a %in% vals)
subset(df, a %in% vals)

两者都给出：

  a         b
2 B 0.4481627
4 D 0.2916513

如果我在向量中有一个变量名称怎么办，例如：

> names(df)[1]
[1] "a"

然后它不起作用 - 我猜是因为它被引用了

dplyr::filter(df, names(df)[1] %in% vals)
[1] a b
<0 rows> (or 0-length row.names)

你怎么做到这一点 ？

更新（如果是 dplyr::tbl_df(df) 会怎么样）

下面的答案适用于 data.frames，但不适用于 dplyr::tbl_df 包装的数据：

df<-dplyr::tbl_df(df)
dplyr::filter(df, df[,names(df)[1]] %in% vals)

不起作用（我以为tbl_df是在 df 之上简单的包裹吗？ ）

这确实再次起作用：

dplyr::filter(df, as.data.frame(df)[,names(df)[1]] %in% vals)

最终更新：它使用 lazyeval::interp 与 tbl_df() 一起使用

请参阅下面 AndreyAkinshin 的解决方案。

您可以使用df[,"a"] or df[,1]:

df <- data.frame(a = LETTERS[1:4], b = rnorm(4))
vals <- c("B","D")

dplyr::filter(df, df[,1] %in% vals)
#  a         b
# 2 B 0.4481627
# 4 D 0.2916513

subset(df, df[,1] %in% vals)
#  a         b
# 2 B 0.4481627
# 4 D 0.2916513

dplyr::filter(df, df[,"a"] %in% vals)
#  a         b
# 2 B 0.4481627
# 4 D 0.2916513

subset(df, df[,"a"] %in% vals)
#  a         b
# 2 B 0.4481627
# 4 D 0.2916513

使用 dplyr::tbl_df(df)

一些魔法与lazyeval::interp帮助我们！

df <- dplyr::tbl_df(df)
expr <- lazyeval::interp(quote(x %in% y), x = as.name(names(df)[1]), y = vals)

df %>% filter_(expr)
# Source: local data frame [2 x 2]
#
#   a        b
# 1 B 0.4481627
# 2 D 0.2916513