Question

我有两个ID列表。

我想比较两个列表，特别是我对以下数据感兴趣：

列表A和B中有多少个ID
A中有多少个ID但不包含在B
B中有多少个ID，但A

我也想画一张维恩图。

Answer 1

以下是一些尝试的基础知识：

> A = c("Dog", "Cat", "Mouse")
> B = c("Tiger","Lion","Cat")
> A %in% B
[1] FALSE  TRUE FALSE
> intersect(A,B)
[1] "Cat"
> setdiff(A,B)
[1] "Dog"   "Mouse"
> setdiff(B,A)
[1] "Tiger" "Lion"

同样，您可以简单地将其视为：

> length(intersect(A,B))
[1] 1
> length(setdiff(A,B))
[1] 2
> length(setdiff(B,A))
[1] 2

Answer 2

我经常处理大型集合，所以我使用的是表而不是维恩图：

xtab_set <- function(A,B){
    both    <-  union(A,B)
    inA     <-  both %in% A
    inB     <-  both %in% B
    return(table(inA,inB))
}

set.seed(1)
A <- sample(letters[1:20],10,replace=TRUE)
B <- sample(letters[1:20],10,replace=TRUE)
xtab_set(A,B)

#        inB
# inA     FALSE TRUE
#   FALSE     0    5
#   TRUE      6    3

Answer 3

另一种方法是，使用％in％和公共元素的布尔向量而不是 intersect 和 setdiff 。我认为你实际上想要比较两个向量，而不是两个列表 - 一个列表是一个可能包含任何类型元素的R类，向量总是包含一种类型的元素，因此更容易比较真正相等的东西。这里元素被转换为字符串，因为这是最不灵活的元素类型。

first <- c(1:3, letters[1:6], "foo", "bar")
second <- c(2:4, letters[5:8], "bar", "asd")

both <- first[first %in% second] # in both, same as call: intersect(first, second)
onlyfirst <- first[!first %in% second] # only in 'first', same as: setdiff(first, second)
onlysecond <- second[!second %in% first] # only in 'second', same as: setdiff(second, first)
length(both)
length(onlyfirst)
length(onlysecond)

#> both
#[1] "2"   "3"   "e"   "f"   "bar"
#> onlyfirst
#[1] "1"   "a"   "b"   "c"   "d"   "foo"
#> onlysecond
#[1] "4"   "g"   "h"   "asd"
#> length(both)
#[1] 5
#> length(onlyfirst)
#[1] 6
#> length(onlysecond)
#[1] 4

# If you don't have the 'gplots' package, type: install.packages("gplots")
require("gplots")
venn(list(first.vector = first, second.vector = second))

就像提到的那样，在R中绘制维恩图有多种选择。这是使用gplots的输出。

venn diagram with gplots

Answer 4

使用sqldf：较慢但非常适合具有混合类型的数据框：

t1 <- as.data.frame(1:10)
t2 <- as.data.frame(5:15)
sqldf1 <- sqldf('SELECT * FROM t1 EXCEPT SELECT * FROM t2') # subset from t1 not in t2 
sqldf2 <- sqldf('SELECT * FROM t2 EXCEPT SELECT * FROM t1') # subset from t2 not in t1 
sqldf3 <- sqldf('SELECT * FROM t1 UNION SELECT * FROM t2') # UNION t1 and t2

sqldf1  X1_10
1
2
3
4
sqldf2   X5_15
11
12
13
14
15
sqldf3   X1_10
1
2 
3 
4 
5 
6 
7
8
9
10
11
12
13      
14
15

Answer 5

使用与上述答案之一相同的示例数据。

A = c("Dog", "Cat", "Mouse")
B = c("Tiger","Lion","Cat")

match(A,B)
[1] NA  3 NA

match函数返回一个向量，该向量在B中的所有值在A中具有位置。因此，cat中的第二个元素A是B中的第三个元素。没有其他匹配项。

要获取A和B中的匹配值，您可以执行以下操作：

m <- match(A,B)
A[!is.na(m)]
"Cat"
B[m[!is.na(m)]]
"Cat"

要获取A和B中的不匹配值：

A[is.na(m)]
"Dog"   "Mouse"
B[which(is.na(m))]
"Tiger" "Cat"

此外，您可以使用length()来获取匹配和不匹配值的总数。

Answer 6

如果A是具有类型list字段a的data.table，其条目本身就是原始类型的向量，例如创建如下

A<-data.table(a=c(list(c("abc","def","123")),list(c("ghi","zyx"))),d=c(9,8))

和B是带有原始条目向量的列表，例如创建如下

B<-list(c("ghi","zyx"))

，您正在尝试查找A$a的哪个元素（如果有）与B匹配

A[sapply(a,identical,unlist(B))]

如果您只想输入a

中的条目

A[sapply(a,identical,unlist(B)),a]

如果您想要a的匹配索引

A[,which(sapply(a,identical,unlist(B)))]

如果B本身是具有与A相同结构的data.table，例如

B<-data.table(b=c(list(c("zyx","ghi")),list(c("abc","def",123))),z=c(5,7))

，您正在按列查找两个列表的交集，在此处需要相同顺序的向量元素。

# give the entry in A for in which A$a matches B$b
A[,`:=`(res=unlist(sapply(list(a),function(x,y){
                                      x %in% unlist(lapply(y,as.vector,mode="character"))
                                  },list(B[,b]),simplify=FALSE)))
  ][res==TRUE
  ][,res:=NULL][] 

# get T/F for each index of A
A[,sapply(list(a),function(x,y){
                      x %in% unlist(lapply(y,as.vector,mode="character"))
                  },list(B[,b]),simplify=FALSE)]

请注意，您做不到的事

setkey(A,a)
setkey(B,b)
A[B]

加入A＆B，因为您无法在data.table 1.12.2中键入list类型的字段

类似地，你不能问

A[a==B[,b]]

即使A和B相同，因为尚未在==类型的R中实现list运算符

比较R中的两个列表

6 个答案: