9

我有一个这样的数据框：

  X Y  Z T
  1 2  4 2
  3 2  1 4
  7 5 NA 3

经过几个步骤（哪个不重要）我得到了这个df：

  X Y Z T
  1 2 4 2
  3 2 NA 4
  7 5 NA 3

我想获得一个新的数据框，仅由在这些步骤中没有改变的行组成；结果将是这个：

 X  Y  Z  T
 1  2  4  2
 7  5  NA 3

我该怎么办？

4

4 回答 4

4

一个选项是base R将paste每个数据集的行放在一起并比较 ( ==) 以创建一个逻辑向量，我们将其用于对新数据集进行子集化

dfO[do.call(paste, dfO) == do.call(paste, df),]
#   X Y  Z T
#1 1 2  4 2
#3 7 5 NA 3

其中“dfO”是旧数据集，“df”是新数据集

于 2017-09-11T10:19:31.760 回答
4

您可以使用 dplyr 的intersect功能：

library(dplyr)
intersect(d1, d2)
#  X Y  Z T
#1 1 2  4 2
#2 7 5 NA 3

这是基本 Rintersect函数的 data.frame 等效项。

如果您正在使用data.tables，该软件包还提供了这样的功能：

library(data.table)
setDT(d1)
setDT(d2)
fintersect(d1, d2)
#   X Y  Z T
#1: 1 2  4 2
#2: 7 5 NA 3
于 2017-09-11T10:21:27.687 回答
3

恐怕既不是，semi join也不是正确答案。并且不会正确处理重复的行。semi join 将改变行的顺序。intersectmergemergeintersect

从这个角度来看，我认为到目前为止唯一正确的是akrun的。

您还可以执行以下操作：

df1[rowSums(((df1 == df2) | (is.na(df1) & is.na(df2))), na.rm = T) == ncol(df1),]

但我认为 akrun 的方式更优雅，并且在速度方面可能表现更好。

于 2017-09-11T11:21:04.960 回答
3

另一种dplyr解决方案：semi_join.

dt1 %>% semi_join(dt2, by = colnames(.))
  X Y  Z T
1 1 2  4 2
2 7 5 NA 3

数据

dt1 <- read.table(text = "X Y  Z T
  1 2  4 2
  3 2  1 4
  7 5 NA 3",
                  header = TRUE, stringsAsFactors = FALSE)

dt2 <- read.table(text = "  X Y Z T
  1 2 4 2
                  3 2 NA 4
                  7 5 NA 3",
                  header = TRUE, stringsAsFactors = FALSE)
于 2017-09-11T10:25:03.567 回答