根据 2 个数据框中不匹配的 2 个元素识别观察结果 [重复]答案

【问题标题】：identify observations based on 2 elements in 2 dataframes that do not match [duplicate]根据 2 个数据框中不匹配的 2 个元素识别观察结果 [重复]
【发布时间】：2021-03-19 06:32:04
【问题描述】：

我想使用 2 个指标（id 和日期）识别 1 个 df 中与另一个 df 不匹配的观察值。下面是示例 df1 和 df2。

df1
id       date          n
12-40   12/22/2018     3
11-08   10/02/2016     11

df2
id       date          interval
12-40   12/22/2018     3
11-08   10/02/2016     32
22-22   11/10/2015     11

我想要一个 df 输出 df2 中的行，而不是 df1 中的行，就像这样。请注意，df2 的第 3 行（基于 id 和日期）不在 df1 中。

df3
id       date          interval
22-22   11/10/2015     11

我尝试在 tidyverse 中执行此操作，但无法使代码正常工作。有人对如何执行此操作有建议吗？

【问题讨论】：

标签： r dataframe tidyverse

【解决方案1】：

我们可以使用tidyverse 中的anti_join（正如OP 提到的与tidyverse 一起工作）。在这里，我们使用 OP 帖子中提到的“id”和“日期”。更复杂的连接可以使用tidyverse

library(dplyr)
anti_join(df2, df1, by = c('id', 'date'))
#     id       date interval
#1 22-22 11/10/2015       11

或与data.table 类似的选项，它应该非常有效

library(data.table)
setDT(df2)[!df1, on = .(id, date)]
#      id       date interval
#1: 22-22 11/10/2015       11

数据

df1 <- structure(list(id = c("12-40", "11-08"), date = c("12/22/2018", 
"10/02/2016"), n = c(3L, 11L)), class = "data.frame", row.names = c(NA, 
-2L))

df2 <- structure(list(id = c("12-40", "11-08", "22-22"), date = c("12/22/2018", 
"10/02/2016", "11/10/2015"), interval = c(3L, 32L, 11L)), class = "data.frame",
row.names = c(NA, 
-3L))

【讨论】：

【解决方案2】：

试试这个（两个选项都是base R，遵循 OP 指示，不需要任何包）：

#Code1
df3 <- df2[!paste(df2$id,df1$date) %in% paste(df1$id,df2$date),]

输出：

     id       date interval
3 22-22 11/10/2015       11

也可以考虑：

#Code 2
df3 <- subset(df2,!paste(id,date) %in% paste(df1$id,df1$date))

输出：

     id       date interval
3 22-22 11/10/2015       11

使用的一些数据：

#Data1
df1 <- structure(list(id = c("12-40", "11-08"), date = c("12/22/2018", 
"10/02/2016"), n = c(3L, 11L)), class = "data.frame", row.names = c(NA, 
-2L))

#Data2
df2 <- structure(list(id = c("12-40", "11-08", "22-22"), date = c("12/22/2018", 
"10/02/2016", "11/10/2015"), interval = c(3L, 32L, 11L)), class = "data.frame", row.names = c(NA, 
-3L))

【讨论】：

【解决方案3】：

另一个使用 merge + subset + complete.cases 的基本 R 选项

df3 <- subset(
  u <- merge(df1, df2, by = c("id", "date"), all.y = TRUE),
  !complete.cases(u)
)[names(df2)]

给了

> df3
     id       date interval
3 22-22 11/10/2015       11

【讨论】：