如何在 R 中对这些数据进行质量检查？

Question

我有一个 df1 有 820 行：

ID        College   Score    Score3
EI01      0         1        2
EI01      0         1        6
EI08,EI07 1         4        4
EI08,EI07 1         4        8
EI02      0         0        9
EI05      1         2        2
EI06      1         10       12

我有一个 713 行的 df2：

ID          Points
EI01        20
EI08,EI07   12
EI02        30
EI04        10

我已经尝试将这两个 df 通过“ID”与 all=FALSE 合并，但我新合并的 df 是 864 行，而我只希望它最大为 820 行，因为 df1 中的 # 。我想知道我做错了什么。此外，我想制作一个 df3，其中包含 df1 中不存在于 df2 中的所有 ID。

Answer 1

如果您想加入数据并进行自动 QC 检查，您可以考虑使用 tidylog 包，它将许多 dplyr 函数替换为更详细的函数。

下面是tidylog::left_join() 的示例以及您的示例数据：

> left_join(df1,df2)
Joining, by = "ID"
left_join: added one column (Points)
           > rows only in x   2
           > rows only in y  (1)
           > matched rows     5
           >                 ===
           > rows total       7
          ID College Score Score3 Points
1:      EI01       0     1      2     20
2:      EI01       0     1      6     20
3: EI08,EI07       1     4      4     12
4: EI08,EI07       1     4      8     12
5:      EI02       0     0      9     30
6:      EI05       1     2      2     NA
7:      EI06       1    10     12     NA

要查找df1 中而不是df2 中的 ID，您可以使用：

df1 %>% 
  filter(!ID %in% df2$ID) %>% 
  pull(ID)


[1] "EI05" "EI06"