是否有一个很好的 R 函数来分离两个数据帧之间的唯一列值，保持行？

Question

基本上我有 2 个具有这种基本结构的数据框：

Col1	Col2	Col3	Col4
aaa	12	xxx	32b
tfe	21	xxx	14f
eed	12	xxx	54b
wes	95	xxx	54r
rtf	44	xxx	99q
fvg	87	xxx	55h

所以第 1 列中的一些值在两个数据帧中重复，我想创建一个新数据帧，其中每个数据帧只有 Col1 中具有唯一值的行，所以在伪代码中：

Unique_to_df1

我尝试了一些函数，但它们要么似乎只导出 Col1 的唯一值，而不是整个表，要么似乎只适用于从一个数据帧中删除重复值，而不是在两个数据帧之间进行比较。任何帮助/建议将不胜感激！

Answer 1

您可以使用setdiff 为每个数据帧选择Col1 中具有唯一值的行。

x[x$Col1 %in% setdiff(x$Col1, y$Col1),]
#x[!x$Col1 %in% intersect(x$Col1, y$Col1),] #Alternative
#  Col1 Col2 Col3 Col4
#1  aaa   12  xxx  32b

y[y$Col1 %in% setdiff(y$Col1, x$Col1),]
#  Col1 Col2 Col3 Col4
#1  bbb   12  xxx  32b

数据：

x <- read.table(header=TRUE, text="Col1     Col2    Col3    Col4
aaa     12  xxx     32b
tfe     21  xxx     14f
eed     12  xxx     54b
wes     95  xxx     54r
rtf     44  xxx     99q
fvg     87  xxx     55h")
y <- x
y[1,1] <- "bbb"

Answer 2

anti_join(x, y) 删除 x 中与 y 匹配的所有观测值。

df1 <- data.frame(
  stringsAsFactors = FALSE,
              Col1 = c("aaa", "tfe", "eed", "wes", "rtf", "fvg"),
              Col2 = c(12L, 21L, 12L, 95L, 44L, 87L),
              Col3 = c("xxx", "xxx", "xxx", "xxx", "xxx", "xxx"),
              Col4 = c("32b", "14f", "54b", "54r", "99q", "55h")
)


df2 <- data.frame(
  stringsAsFactors = FALSE,
              Col1 = c("a", "tfe", "ee", "ws", "rt", "fvg"),
              Col2 = c(12L, 21L, 12L, 95L, 44L, 87L),
              Col3 = c("xxx", "xxx", "xxx", "xxx", "xxx", "xxx"),
              Col4 = c("32b", "14f", "54b", "54r", "99q", "55h")
)

library(dplyr)

unique1 <- df1 %>% 
  anti_join(df2)

unique2 <- df2 %>% 
  anti_join(df1)


# Join them together:

rbind(unique1, unique2)

#>   Col1 Col2 Col3 Col4
#> 1  aaa   12  xxx  32b
#> 2  eed   12  xxx  54b
#> 3  wes   95  xxx  54r
#> 4  rtf   44  xxx  99q
#> 5    a   12  xxx  32b
#> 6   ee   12  xxx  54b
#> 7   ws   95  xxx  54r
#> 8   rt   44  xxx  99q

^{由reprex package (v0.3.0) 于 2021-03-16 创建}