r - 删除任何重复项及其对

Question

duplicated()给出TRUE或FALSE声明取决于该位置是否在向量中先前重复。如果我不仅要删除重复的位置，还要删除它重复的所有先前位置怎么办。

a <- c("A", "B", "C")
b <- c("A", "B", "C", "D")

a包含所有将被复制的值，并b包含 的值a和其他一些不被复制的值。

我如何只提取"D"？

Answer 1

这是另一个：

b[!b %in% a]
[1] "D"

Answer 2

如果你真正拥有的是一个单一的向量，其中一些元素是重复的，而一些（你想保留的）不是，你可以尝试以下任何一种：

## Constructing an example that fits your narrative description of the situation
a <- c("A", "B", "C")
b <- c("A", "B", "C", "D")
ab <- c(a,b)

# Approach #1
setdiff(ab, ab[duplicated(ab)])
# [1] "D"

# Approach #2 
ab[!(duplicated(ab) | rev(duplicated(rev(ab))))] 
# [1] "D"

Answer 3

以下是展示@Josh O'Brien、@cogitovita 和@jmsigner 发布的解决方案如何处理更大数据集的一些时间安排：

set.seed(123)

a = sample(paste("ID_", seq(1e6), sep=""))
b = sample(a, 9e5, replace=TRUE)
ab = sample(c(a, b))

system.time(res1 <- setdiff(ab, ab[duplicated(ab)]))
#   user  system elapsed 
#  1.543   0.030   1.563 

system.time(res2 <- ab[!(duplicated(ab) | rev(duplicated(rev(ab))))])
#   user  system elapsed 
#  0.537   0.042   0.575 

system.time(res3 <- names(table(ab))[table(ab) == 1])
#   user  system elapsed 
# 52.208   0.255  52.218 

system.time(b[!b %in% a])
#user  system elapsed 
#0.098   0.002   0.100 

setequal(res1, res2)
# [1] TRUE
setequal(res1, res3)
# [1] TRUE    

Answer 4

> table(c(a, b))
# A B C D
# 2 2 2 1
> names(table(c(a, b)))[table(c(a, b)) == 1]
# [1] "D"