r - 如何根据 R 中另一列中的值找出一列中的错误值？

Question

我在 R 中有两列数据（比如id和master_id）。应该是所有值都id应该出现在master_id. 但是，我怀疑情况并非如此，我想确定哪些是错误值。我不能只检查数据，因为我正在处理 100k 数量级的数据。

如何找到错误的值？

Answer 1

%in% 函数可能会派上用场。对于第一组但不是第二组的情况，它将抛出 FALSE

例如

DF$master_id %in% DF$id 

id 是 master_id 的子集，因此没有对应的 master_id 值将获得 FALSE

或者，看看它是如何运行的（来自 R 帮助文件）

1:10 %in% c(1,3,5,9)

Answer 2

这是2天前的答案：

library(data.table)
DF1<-data.frame(x=1:3,y=4:6,t=10:12)
DF2<-data.frame(x=3:5,y=6:8,s=1:3)
library(data.table)
DF1 <- data.table(DF1, key = c("x", "y"))
DF2 <- data.table(DF2, key = c("x", "y"))
DF1[!DF2] # maybe you want this?
DF2[!DF1] # or maybe you want this?