查找数据框的补充（反连接）

Question

我有两个数据帧（df和df1）。 df1是df的子集。我想得到一个数据帧，它是df中df1的补码，即返回第二个数据集中不匹配的第一个数据集。例如，让，

数据框df：

heads
row1
row2
row3
row4
row5

数据框df1：

heads
row3
row5

然后所需的输出df2为：

heads
row1
row2
row4

Answer 1

您还可以使用data.table二进制连接

进行某种类型的反连接

library(data.table)
setkey(setDT(df), heads)[!df1]
#    heads
# 1:  row1
# 2:  row2
# 3:  row4

---

编辑：启动data.table v1.9.6 + 我们可以在使用on时无需设置密钥即可加入data.tables

setDT(df)[!df1, on = "heads"]

---

EDIT2：引入了data.table v1.9.8 + fsetdiff，它基本上是上述解决方案的一种变体，只是在所有列名称上例如，x data.table x[!y, on = names(x)]。如果all设置为FALSE（默认行为），则只会返回x中的唯一行。对于每个data.table中只有一列的情况，以下内容将等同于之前的解决方案

fsetdiff(df, df1, all = TRUE)

Answer 2

从anti_join

尝试dplyr

library(dplyr)
anti_join(df, df1, by='heads')

Answer 3

尝试使用%in%命令并将其反转为!

df[!df$heads %in% df1$heads,]

Answer 4

另一种选择，使用基数R和setdiff函数：

df2 <- data.frame(heads = setdiff(df$heads, df1$heads))

setdiff完全按照您的想象运作;将两个参数作为集合，并从第一个中删除第二个中的所有项目。

我发现setdiff更具可读性%in%并且在我不需要时更不需要额外的库，但您使用的答案主要是个人品味问题。

Answer 5

dplyr也有setdiff()，它会为你提供

setdiff(bigFrame, smallFrame)会在第一个表格中为您提供额外的记录。

因此，对于OP的示例，代码将显示为setdiff(df, df1)

dplyr有很多很棒的功能：快速简单的指南请参阅here.

Answer 6

通过操纵negate_match_df match_df个软件包的代码来创建函数plyr的另一个选项。

library(plyr)
negate_match_df <- function (x, y, on = NULL) 
{
if (is.null(on)) {
    on <- intersect(names(x), names(y))
    message("Matching on: ", paste(on, collapse = ", "))
}
keys <- join.keys(x, y, on)
x[!keys$x %in% keys$y, , drop = FALSE]
}

数据

df <- read.table(text ="heads
row1
row2
row3
row4
row5",header=TRUE)

df1 <- read.table(text ="heads
row3
row5",header=TRUE)

<强>输出

negate_match_df(df,df1)

Answer 7

最新答案，但是对于另一种选择，我们可以尝试使用sqldf软件包进行正式的SQL反连接：

library(sqldf)
sql <- "SELECT t1.heads
        FROM df t1 LEFT JOIN df1 t2
            ON t1.heads = t2.heads
        WHERE t2.heads IS NULL"
df2 <- sqldf(sql)

sqldf软件包对于那些使用SQL逻辑很容易表达的问题，但对于使用base R或另一个R软件包却不太容易表达的问题很有用。