R子集具有复杂条件的数据帧

Question

我有一个名为df1的数据集。它有一个ID列和其他一些列，例如Date(Posixt)，Price，Sentiment（都是数字）等。

我有两个df1子集，分别是df2和df3（可能会有一些重叠）。我想要从df2移除df3和df1的所有行（或df1-(df2 U df3)，U为union）。

我尝试了子集，但获取select参数真的不容易，因为它不是ID!=100之类的直接条件。

当然，循环必须是解决这个问题的方法，但它需要花费太多时间而且看起来很难看 是否有某种方式可以像矢量或矩阵运算那样快速简洁地实现这一点？

Answer 1

您可以改为使用布尔索引。

1。生成数据

data = data.frame(id=1:20,value=rnorm(20))

2。制作两个子集，每行5行

data.1 = data[sample(nrow(data), 5), ]
data.2 = data[sample(nrow(data), 5), ]

3。索引行

要点是只保留子集 ID中的任何非（!运算符）的ID。管道|字符是OR语句 - 如果id在两个子集中的任何一个中，我们就消除了。

data[!(data$id %in% data.1$id | data$id %in% data.2$id),]

Answer 2

您可以使用[函数直接索引到df1对象而不是使用subset()。我们只需要创建一个具有我们想要的标准的逻辑向量。为此，我们将使用%in%函数和一些否定。这似乎可以解决问题：

df1 <- data.frame(id = 1:10, foo = rnorm(10), bar = runif(10))

#Randomly sample three rows to create df2 and df3
set.seed(2)
df2 <- df1[sample(1:10, 3, FALSE), ]
df3 <- df1[sample(1:10, 3, FALSE), ]

#what IDs are in df2 and df3?
c(df2$id, df3$id)
#--
[1] 2 7 5 2 9 8

#OK, so we want to get id's 1,3,4,6,10
df1[!(df1$id %in% c(df2$id, df3$id)),]
#--
   id        foo       bar
1   1 -0.5656801 0.8613120
3   3  0.1252706 0.5147147
4   4  1.3532248 0.8224739
6   6  0.3225545 0.9746704
10 10  2.1502097 0.9939075