我有 3 个向量
x <- c(1,3,5,7,3,8)
y <- c(3,5,7)
z <- c(3,3,8)
我想找到x 中不在y 和z 中的元素。是否有一个函数f 会给我以下输出：
> f(x,y)
1 3 8
> f(x,z)
1 5 7
换句话说，我想找到两个向量之间的“集合差异”，其中任何一个向量都可能有重复的值。 %in%、match 和 setdiff 函数在这种情况下不起作用，原因很明显。
【问题讨论】：
y 和z 用于不同的情况。 z 包含重复项，而 y 没有。
标签： r
应该有一些更好的方法来做到这一点，但这里有一个选择
get_diff_vectors <- function(x, y) {
count_x <- table(x)
count_y <- table(y)
same_counts <- match(names(count_y), names(count_x))
count_x[same_counts] <- count_x[same_counts] - count_y
as.numeric(rep(names(count_x), count_x))
}
get_diff_vectors(x, y)
#[1] 1 3 8
get_diff_vectors(x, z)
#[1] 1 5 7
get_diff_vectors(x, c(5, 7))
#[1] 1 3 3 8
我们使用table、match 计算x 和y 出现的频率，然后从x 中减去y 的计数。最后使用rep重新创建剩余的向量。
仍然无法找到更好的方法，但这里是dplyr 使用有点类似逻辑的方法。
library(dplyr)
get_diff_vectors_dplyr <- function(x, y) {
df1 <- data.frame(x) %>% count(x)
df2 <- data.frame(y) %>% count(y)
final <- left_join(df1, df2, by = c("x" = "y")) %>%
mutate_at(c("n.x", "n.y"), funs(replace(., is.na(.), 0))) %>%
mutate(n = n.x - n.y)
rep(final$x, final$n)
}
get_diff_vectors_dplyr(x, y)
#[1] 1 3 8
get_diff_vectors_dplyr(x, z)
#[1] 1 5 7
get_diff_vectors_dplyr(x, c(5, 7))
#[1] 1 3 3 8
OP 提到的vecsets 包有函数vsetdiff 很容易做到这一点
vecsets::vsetdiff(x, y)
#[1] 1 3 8
vecsets::vsetdiff(x, z)
#[1] 1 5 7
vecsets::vsetdiff(x, c(5, 7))
#[1] 1 3 3 8
【讨论】：
vecsets，它完全符合我的要求。不过我会接受这个答案。
这里尝试使用make.unique 来解决重复问题：
dupdiff <- function(x,y) x[-match(
make.unique(as.character(y)),
make.unique(as.character(x)),
nomatch=0
)]
测试：
dupdiff(x,y)
#[1] 1 3 8
dupdiff(x,z)
#[1] 1 5 7
dupdiff(x, c(5, 7))
#[1] 1 3 3 8
dupdiff(x, c(5, 7, 9))
#[1] 1 3 3 8
【讨论】：
match 带有一点 for 循环确实有效：
> f(x, y)
[1] 1 3 8
> f(x, z)
[1] 1 5 7
f <- function(s, r) {
for(i in 1:length(s)){
j <- match(s[i], r)
if(!is.na(j)) {
s[i] <- NA
r[j] <- NA
}
}
print(s[complete.cases(s)])
}
【讨论】：
有新的 Hadley-verse 包waldo
对对象的差异进行真正简洁明了的概述，而不仅仅是向量
library(waldo)
compare(x, y)
#> `old`: 1 3 5 7 3 8
#> `new`: 3 5 7
compare(x, z)
#> `old`: 1 3 5 7 3 8
#> `new`: 3 3 8
【讨论】：