如何选择一个数据集中的类别，而不是 R [重复]

Question

有 2 个数据集

s=structure(list(var1 = c("a", "f", "k", "tt", "ee"), var2 = c("b", 
"g", "l", "qq", "rr"), var3 = c("c", "h", "m", "ff", "cc"), var4 = c("d", 
"i", "n", "gg", "vv"), var5 = c("e", "j", "o", "aa", "xx"), metric_var = c(100L, 
200L, 300L, 567L, 789L)), class = "data.frame", row.names = c(NA, 
-5L))

和

medagger=structure(list(var1 = c("a", "z", "w", "f", "k"), var2 = c("b", 
"u", "e", "g", "l"), var3 = c("c", "p", "r", "h", "m"), var4 = c("d", 
"q", "q", "i", "n"), var5 = c("e", "n", "w", "j", "o"), metric_var = c(100L, 
200L, 400L, 500L, 700L)), class = "data.frame", row.names = c(NA, 
-5L))

var1-var5 是分类变量，它们的值是分类。 如果我们做一个内部连接 ​​s 和一个 medagger 我们得到这个结果

merge(s,medagger,by=c("var1","var2","var3","var4","var5"))
  var1 var2 var3 var4 var5 metric_var.x metric_var.y
1    a    b    c    d    e          100          100
2    f    g    h    i    j          200          500
3    k    l    m    n    o          300          700

只返回 3 行，因为在这些数据集中有相同的类别。 但是，我需要 s 数据集中但 medagger 数据集中没有的类别 被放在单独的数据框中。 在这种情况下，我需要出现 new 数据框，它将仅包含来自 s 的这些行中的 2 行。

var1    var2    var3    var4    var5    metric_var
tt  qq  ff  gg  aa  567
ee  rr  cc  vv  xx  789

如何使s 中但不在medagger 中的类别出现在new 数据框中？ 谢谢。

Answer 1

您需要来自dplyr 库的anti_join 才能获得预期的结果。根据文档：

anti_join() 返回 x 中没有 y 匹配的所有行。

documentation

library(dplyr)

df <- s %>%
  anti_join(medagger, by = c("var1","var2","var3","var4","var5"))

输出将是这样的：

  var1 var2 var3 var4 var5 metric_var
1   tt   qq   ff   gg   aa        567
2   ee   rr   cc   vv   xx        789

Answer 2

我认为反连接是最好的方法。

基础 R

虽然 dplyr::anti_join 是一个方便的一次性函数，但如果您更喜欢基本 R，那么 merge 和 setdiff 的两步操作：

merged <- merge(s,medagger,by=c("var1","var2","var3","var4","var5"), suffixes = c("",".y"))
setdiff(s, merged[,colnames(s)])
#   var1 var2 var3 var4 var5 metric_var
# 1   tt   qq   ff   gg   aa        567
# 2   ee   rr   cc   vv   xx        789

数据表

data.tableDT1[!DT2] 是其规范的反连接机制，它只需要在 DT1 上设置键。

library(data.table)
sDT <- as.data.table(s)
medaggerDT <- as.data.table(medagger)
setkeyv(sDT, c("var1","var2","var3","var4","var5")) # or setkey(S, var1, ...)
sDT[!medaggerDT]
#    var1 var2 var3 var4 var5 metric_var
# 1:   ee   rr   cc   vv   xx        789
# 2:   tt   qq   ff   gg   aa        567

Answer 3

library(dplyr)
s %>% inner_join(medagger, by=c("var1","var2","var3","var4","var5")) -> result1

  var1 var2 var3 var4 var5 metric_var.x metric_var.y
1    a    b    c    d    e          100          100
2    f    g    h    i    j          200          500
3    k    l    m    n    o          300          700

和第二个数据框：

s %>% anti_join(medagger, by=c("var1","var2","var3","var4","var5")) -> result2
  var1 var2 var3 var4 var5 metric_var
1   tt   qq   ff   gg   aa        567
2   ee   rr   cc   vv   xx        789

在基础 R 中，假设 medagger 和 s 没有 NA，这可以工作：

merge(s,medagger,by=c("var1","var2","var3","var4","var5"), all.x=T) -> result
result2  <- result[!complete.cases(result),]

Answer 4

你可以rbind每一行看看是不是duplicated。

s[apply(s, 1, \(x) tail(!duplicated(rbind(medagger[1:5], x[1:5])), 1)), ]
#   var1 var2 var3 var4 var5 metric_var
# 4   tt   qq   ff   gg   aa        567
# 5   ee   rr   cc   vv   xx        789