2 つのデータ フレーム df1とdf2.
df1 <- data.frame(c1=c("a","b","c","d"),c2=c(1,2,3,4) )
df2 <- data.frame(c1=c("c","d","e","f"),c2=c(3,4,5,6) )
> df1
c1 c2
1 a 1
2 b 2
3 c 3
4 d 4
> df2
c1 c2
1 c 3
2 d 4
3 e 5
4 f 6
これら 2 つのデータ フレームのセット操作を実行する必要があります。merge(df1,df2,all=TRUE)andメソッドを使用しmerge(df1,df2,all=FALSE)て、これらのデータ フレームの結合と交差を取得し、必要な出力を得ました。これらのデータ フレームのマイナスを取得する関数は何ですか。つまり、1 つのデータ フレームに存在するが他のデータ フレームには存在しないすべての位置です。次の出力が必要です。
c1 c2
1 a 1
2 b 2
かなり数か月前に、この正確な問題に出くわしたことを覚えています。Evernote のワンライナーをふるいにかけることができました。
注：これは私の解決策ではありません。クレジットは、それを書いた人に送られます（現時点では見つけられないようです）。
心配しなければ、次のrownamesことができます。
df1[!duplicated(rbind(df2, df1))[-seq_len(nrow(df2))], ]
# c1 c2
# 1 a 1
# 2 b 2
編集：解決data.table策：
dt1 <- data.table(df1, key="c1")
dt2 <- data.table(df2)
dt1[!dt2]
またはより良いワンライナー (v1.9.6+ から):
setDT(df1)[!df2, on="c1"]
df1これは、 wheredf2$c1が と一致しないすべての行を返しますdf1$c1。
サブセットとして識別子列を作成できます。
例えば
df1 <- data.frame(c1=c("a","b","c","d"),c2=c(1,2,3,4), indf1 = rep("Y",4) )
df2 <- data.frame(c1=c("c","d","e","f"),c2=c(3,4,5,6),indf2 = rep("Y",4) )
merge(df1,df2)
# c1 c2 indf1 indf2
#1 c 3 Y Y
#2 d 4 Y Y
bigdf <- merge(df1,df2,all=TRUE)
# c1 c2 indf1 indf2
#1 a 1 Y <NA>
#2 b 2 Y <NA>
#3 c 3 Y Y
#4 d 4 Y Y
#5 e 5 <NA> Y
#6 f 6 <NA> Y
次に、必要に応じてサブセット化します。
bigdf[is.na(bigdf$indf1) ,]
# c1 c2 indf1 indf2
#5 e 5 <NA> Y
#6 f 6 <NA> Y
bigdf[is.na(bigdf$indf2) ,] #<- output you requested those not in df2
# c1 c2 indf1 indf2
#1 a 1 Y <NA>
#2 b 2 Y <NA>
https://stackoverflow.com/a/16144262/2055486の 1 つの問題は、どちらのデータ フレームにも重複した行がないことを前提としていることです。次の関数はその制限を取り除き、x または y の任意のユーザー定義列でも機能します。
duplicated.data.frameこの実装では、列を区切り記号で連結する際に、 の実装と同様の考え方を使用します。duplicated.data.frameエントリに文字が"\r"埋め込まれている場合、衝突が発生する可能性があります"\r"。これは、入力データに現れる可能性がはるかに低い
ASCII レコード区切り記号を使用します。 "\30"
setdiff.data.frame <- function(x, y,
by = intersect(names(x), names(y)),
by.x = by, by.y = by) {
stopifnot(
is.data.frame(x),
is.data.frame(y),
length(by.x) == length(by.y))
!do.call(paste, c(x[by.x], sep = "\30")) %in% do.call(paste, c(y[by.y], sep = "\30"))
}
# Example usage
# remove all 4 or 6 cylinder 4 gear cars or 8 cylinder 3 gear rows
to_remove <- data.frame(cyl = c(4, 6, 8), gear = c(4, 4, 3))
mtcars[setdiff.data.frame(mtcars, to_remove), ]
#> mpg cyl disp hp drat wt qsec vs am gear carb
#> Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
#> Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
#> Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
#> Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
#> Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
#> Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
#> Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
#> Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
# with differing column names
to_remove2 <- data.frame(a = c(4, 6, 8), b = c(4, 4, 3))
mtcars[setdiff.data.frame(mtcars, to_remove2, by.x = c("cyl", "gear"), by.y = c("a", "b")), ]
#> mpg cyl disp hp drat wt qsec vs am gear carb
#> Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
#> Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
#> Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
#> Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
#> Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
#> Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
#> Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
#> Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
次のように、列とサブセットの両方の値を確認できます (別のソリューションを追加するだけです)。
na.omit( df1[ sapply( 1:ncol(df1) , function(x) ! df1[,x] %in% df2[,x] ) , ] )
# c1 c2
#1 a 1
#2 b 2
の実際のデータを使用する予定がない場合はd2、次のことはまったく必要ありませんmerge。
df1[!(df1$c1 %in% df2$c1), ]