数据帧中不匹配的行的子集，由第二个数据帧中多列中的值限制答案

【问题标题】：Subset unmatched rows from data frame conditoned by values in multiple columns in a second data frame数据帧中不匹配的行的子集，由第二个数据帧中多列中的值限制
【发布时间】：2014-12-18 23:23:24
【问题描述】：

我想从制表符分隔的数据框 (df1) 中“提取”数据行，其中在第二个数据框 (df2) 中找不到仅列 1 2 和 3 中的条目，但保留所有列df1 中的值。

这是一个最小的例子

df1

chr     start       end         pvalue      S1          S2
chr10   100028205   100028508   8.97E-01    3.0373832   3.6170213
chr10   100227439   100227832   5.04E-14    10.6730769  2.7279813
chr10   100992157   100992687   6.66E-03    12.6997477  17.3807599
chr10   100993821   100994188   9.94E-01    2.4369017   2.2819886
chr10   101089011   101090655   1.48E-07    6.6696846   9.3321407
chr10   101190452   101190925   5.37E-01    0.9708738   0.5974608
chr10   101279942   101280382   4.72E-03    7.2614108   11.8119266
chr10   101281182   101282116   1.34E-01    20.0733945  22.3736969
chr10   101282726   101282934   3.02E-01    15.7142857  19.6261682
chr10   101287163   101287920   6.95E-01    24.543379   25.7190265

我的实际数据集将在“chr”中包含各种 chr 数字以及数千行和几列数据

df2

chr     start       end         
chr10   100227439   100227832   
chr10   100992157   100992687   
chr10   101089011   101090655   
chr10   101287163   101287920

期望的输出：

df3

chr     start       end         pvalue      S1          S2
chr10   100028205   100028508   8.97E-01    3.0373832   3.6170213
chr10   100993821   100994188   9.94E-01    2.4369017   2.2819886
chr10   101190452   101190925   5.37E-01    0.9708738   0.5974608
chr10   101279942   101280382   4.72E-03    7.2614108   11.8119266
chr10   101281182   101282116   1.34E-01    20.0733945  22.3736969
chr10   101282726   101282934   3.02E-01    15.7142857  19.6261682

我尝试了多种命令，包括：

df3 <- df1[!(df1[,1:3] %in% df2[,1:3])]

返回所有 df1

df3 <- df1[!(df1$chr & df1$start & df1$end) %in% df2$chr & df2$start & df2$end]

错误

【问题讨论】：

试试：df1[!(do.call(paste,df1[,1:3]) %in% do.call(paste,df2[,1:3])),]
感谢 nicola，它很有效，而且很容易弄清楚。

标签： r subset

【解决方案1】：

假设 df1 和 df2 都是数据帧。

library(dplyr)
anti_join(df1, df2)
# Joining by: c("chr", "start", "end")
#     chr     start       end  pvalue         S1         S2
# 1 chr10 101282726 101282934 0.30200 15.7142857 19.6261682
# 2 chr10 101281182 101282116 0.13400 20.0733945 22.3736969
# 3 chr10 101279942 101280382 0.00472  7.2614108 11.8119266
# 4 chr10 101190452 101190925 0.53700  0.9708738  0.5974608
# 5 chr10 100993821 100994188 0.99400  2.4369017  2.2819886
# 6 chr10 100028205 100028508 0.89700  3.0373832  3.6170213

【讨论】：