查找dataframe的补充（反连接）

我有两个dataframe（df和df1）。 df1是df的子集。 我想获得一个dataframe，这是df中df1的补充。 比如让，

dataframedf：

heads row1 row2 row3 row4 row5 

dataframedf1：

 heads row3 row5 

那么所需的输出df2是：

 heads row1 row2 row4 

Answer 1

试试anti_join的dplyr

 library(dplyr) anti_join(df, df1, by='heads') 

Answer 2

你也可以用data.table的二进制连接做一些反连接

 library(data.table) setkey(setDT(df), heads)[!df1] # heads # 1: row1 # 2: row2 # 3: row4 

---

编辑：启动data.table v1.9.6 +我们可以joindata.tables没有设置键，而使用

 setDT(df)[!df1, on = "heads"] 

---

EDIT2：引入了data.table v1.9.8 + fsetdiff ，它基本上是上述解决scheme的一个变体，只是在x data.table的所有列名上，例如x[!y, on = names(x)] 。 如果all设置为FALSE （默认行为），那么只返回x唯一行。 对于每个data.table中只有一列的情况，以下内容将等同于以前的解决scheme

 fsetdiff(df, df1, all = TRUE) 

Answer 3

试试%in%命令，然后用!

 df[!df$heads %in% df1$heads,] 

Answer 4

另一个选项，使用基本的R和setdiff函数：

 df2 <- data.frame(heads = setdiff(df$heads, df1$heads)) 

setdifffunction和你想象的完全一样。 把两个参数作为集合，并从第一个中删除第二个中的所有项目。

我发现setdiff更具可读性， %in%中不需要额外的库，但是使用哪个答案在很大程度上是个人品味的问题。

Answer 5

dplyr也有setdiff()这将让你

setdiff(bigFrame, smallFrame)在第一个表中获取额外的logging。

所以对于OP的例子，代码会读取setdiff(df, df1)

dplyr有很多很棒的function：快速简单的指导请看这里。

Answer 6

另一种方法negate_match_df通过操作plyr软件包的plyr代码来创build一个函数negate_match_df 。

 library(plyr) negate_match_df <- function (x, y, on = NULL) { if (is.null(on)) { on <- intersect(names(x), names(y)) message("Matching on: ", paste(on, collapse = ", ")) } keys <- join.keys(x, y, on) x[!keys$x %in% keys$y, , drop = FALSE] } 

数据

 df <- read.table(text ="heads row1 row2 row3 row4 row5",header=TRUE) df1 <- read.table(text ="heads row3 row5",header=TRUE) 

产量

 negate_match_df(df,df1)