我试图在这里解决这个问题，希望它能帮助您了解%in% 的工作原理，以及何时以及如何使用它。
您的示例不起作用的原因是code 是一个小标题。如果code 是一个向量（v_code），那么它将起作用。例如：
df %>% filter(v_df %in% v_code)
# # A tibble: 10 x 2
# v_df da
# <dbl> <int>
# 1 3.14e14 6
# 2 3.14e14 7
# 3 3.14e14 8
# 4 3.14e14 9
# 5 3.14e14 10
# 6 3.14e14 11
# 7 3.14e14 12
# 8 3.14e14 13
# 9 3.14e14 14
# 10 3.14e14 15
更多详情请见?`%in%`，简而言之：
x %in% 表
x = vector 或 NULL：要匹配的值。支持长向量
table = vector 或 NULL：要匹配的值。不支持长向量。
当使用%in% 进行过滤时，在此示例中，您提供的列是x，它被视为一个向量，然后与您提供的table 向量进行比较。
我想这可能有点令人困惑，因为您可以提供一个 tibble 列作为第一个参数，但第二个参数必须是一个向量。为了更清楚为什么这不起作用，想象一下如果code tibble 有多个列 - %in% 将使用哪一列进行比较？
但是，如果 x 和 table 在同一个 tibble 中，它们看起来都可以是列。例如，让我们创建一个包含 2 列的 tibble 来比较：
tibble(
x = letters[1:10],
y = letters[c(1:5, 8:6, 9:10)]
) %>%
mutate(
match = x == y
) %>%
{. ->> my_tibb}
my_tibb
# # A tibble: 10 x 3
# x y match
# <chr> <chr> <lgl>
# 1 a a TRUE
# 2 b b TRUE
# 3 c c TRUE
# 4 d d TRUE
# 5 e e TRUE
# 6 f h FALSE
# 7 g g TRUE
# 8 h f FALSE
# 9 i i TRUE
# 10 j j TRUE
现在，我们使用%in% 来查看x 是否与y 匹配。当然，对于这个例子，这可以使用x == y 或match == TRUE 来完成，但这展示了它仍然是如何工作的。
my_tibb %>%
rowwise %>%
filter(
x %in% y
)
# # A tibble: 8 x 3
# # Rowwise:
# x y match
# <chr> <chr> <lgl>
# 1 a a TRUE
# 2 b b TRUE
# 3 c c TRUE
# 4 d d TRUE
# 5 e e TRUE
# 6 g g TRUE
# 7 i i TRUE
# 8 j j TRUE
或者，如果您的 table 对象是一个本身包含向量的列，那么 %in% 仍然可以使用。在这个例子中，我们创建了一个列z_list，它是一个包含 6 个随机字母的列表。这被强制转换为一个字符串 (z_string)，这样我们就可以在 tibble 控制台预览中看到它们是哪些字母：
set.seed(3)
tibble(
x = letters[1:10]
) %>%
rowwise %>%
mutate(
z_list = list(runif(6, min = 1, max = 26) %>%
round %>%
letters[.]),
z_string = str_c(z_list, collapse = ', ')
) %>%
{. ->> my_tibb2}
my_tibb2
# # A tibble: 10 x 3
# # Rowwise:
# x z_list z_string
# <chr> <list> <chr>
# 1 a <chr [6]> e, u, k, i, p, p
# 2 b <chr [6]> d, h, o, q, n, n
# 3 c <chr [6]> n, o, w, v, d, s
# 4 d <chr [6]> w, h, g, a, d, c
# 5 e <chr [6]> g, u, p, x, o, t
# 6 f <chr [6]> j, j, e, l, g, i
# 7 g <chr [6]> w, f, o, f, h, u
# 8 h <chr [6]> e, o, k, h, b, d
# 9 i <chr [6]> i, u, g, f, w, z
# 10 j <chr [6]> v, x, m, g, d, h
然后我们可以使用%in% 来查看x 何时在z_list 列中：
# # A tibble: 3 x 3
# # Rowwise:
# x z_list z_string
# <chr> <list> <chr>
# 1 d <chr [6]> w, h, g, a, d, c
# 2 h <chr [6]> e, o, k, h, b, d
# 3 i <chr [6]> i, u, g, f, w, z
x %in% z_string 不起作用，因为z_string 是由多个字母组成的字符串（如单词），因此单字母字符串 (x) 无法匹配。
如果您确实想查看单词中是否包含字母 (x)，则必须使用 str_extract_all() 将单词拆分为单独的字母并将其放入一个列表中，如下所示。
my_tibb2 %>%
mutate(
word = str_replace_all(z_string, ', ', ''),
word_list = str_extract_all(word, boundary('character'))
) %>%
{. ->> my_tibb3}
# # A tibble: 10 x 5
# # Rowwise:
# x z_list z_string word word_list
# <chr> <list> <chr> <chr> <list>
# 1 a <chr [6]> e, u, k, i, p, p eukipp <chr [6]>
# 2 b <chr [6]> d, h, o, q, n, n dhoqnn <chr [6]>
# 3 c <chr [6]> n, o, w, v, d, s nowvds <chr [6]>
# 4 d <chr [6]> w, h, g, a, d, c whgadc <chr [6]>
# 5 e <chr [6]> g, u, p, x, o, t gupxot <chr [6]>
# 6 f <chr [6]> j, j, e, l, g, i jjelgi <chr [6]>
# 7 g <chr [6]> w, f, o, f, h, u wfofhu <chr [6]>
# 8 h <chr [6]> e, o, k, h, b, d eokhbd <chr [6]>
# 9 i <chr [6]> i, u, g, f, w, z iugfwz <chr [6]>
# 10 j <chr [6]> v, x, m, g, d, h vxmgdh <chr [6]>
然后，我们可以像以前一样使用filter()：
my_tibb3 %>%
filter(
x %in% word_list
)
# # A tibble: 3 x 5
# # Rowwise:
# x z_list z_string word word_list
# <chr> <list> <chr> <chr> <list>
# 1 d <chr [6]> w, h, g, a, d, c whgadc <chr [6]>
# 2 h <chr [6]> e, o, k, h, b, d eokhbd <chr [6]>
# 3 i <chr [6]> i, u, g, f, w, z iugfwz <chr [6]>