问题标签 [anti-join]

我有两个数据集：

我想执行反连接，以便生成的数据框包含 df1 的行，其中在 df2 中找不到键 [['label1', 'label2']]。

结果 df 应该是：

在使用 dplyr 的 R 中，代码为：

谢谢你的帮助。

我有两个数据框，我想只检索其中一个数据框的信息，在内部连接中找不到，见图：

我尝试了几种方法：内部连接和过滤返回至少一个 null 的行，Spark 1.6文档中描述的所有连接类型，但未能从一个连接中获取结果。

有人可以帮忙吗？

假设我有两张桌子。例如，

表格1：

和表 2

如何删除表 1 中也包含在表 2 中的所有行？

因此，新的表 1 将是：

我有两个熊猫数据框，分别是 df1 和 df2。df1 有 6 个变量，df2 有 5 个变量。两个数据帧中的第一个变量都是字符串格式，铰孔是 int 格式。

我想通过使用两个数据帧的前 3 列来识别两个数据帧中不匹配的记录，并且必须将它们从 df1 数据帧中排除。

为此，我尝试了以下代码，但它为我抛出了 Nan 值，如果我删除 Nan 值，则将删除所需的数据。

输入数据：-

预期输出：-

句法：-

请任何人都可以帮助我解决这个问题。

提前致谢。

我想知道调用 except ( https://spark.apache.org/docs/2.1.0/api/java/org/apache/spark/sql/Dataset.html#except(org.apache. spark.sql.Dataset）并使用左反连接。到目前为止，我能看到的唯一区别是使用左反连接，两个数据集可以有不同的列。

我在 postgres 数据库中有两个表，posts并且users. posts有一个user_id引用users.id主键列的外键。两张桌子都很大。

我刚刚删除了一组随机用户（约占总用户的 80%），我想删除所有引用已删除用户的帖子，实际上是反加入和删除。这样做最有效的方法是什么？

目前我有这个：

有没有更有效的方法来做到这一点？

我正在尝试对现有sparklyr代码进行微小的更改；这些更改旨在提供相同的结果，只是代码应该更具可读性和效率。因此，我想确保获得相同的结果，这些结果已存储在hive表格中。为此，我使用以下方法将新结果与旧结果进行比较anti_join：

我没有得到 100% 的匹配，在查看了细节之后，我怀疑anti-join在双打方面没有发挥应有的作用。似乎它可能会考虑实际上不是的不同值。

可重现的示例（但可能是从 spark 到 R 再返回到 spark 会改变情况）：

我正在创建一个图表，将每个国家的预期寿命年龄和国家养老金年龄相关联。我使用网络抓取包从 2 个维基百科页面抓取 2 个数据集。

其中一个数据集包含“国家”列，另一个数据集包含“国家和地区”列。这是一个问题，因为两个数据集都需要合并，但由于“国家和地区”列中的区域而导致不平衡。

为了解决这个问题，我需要在合并数据集之前删除“国家和地区”中的区域，所以它是平衡的。我需要用“国家”从“国家和地区”中找到不匹配的数据，将其删除，然后用 2 个数据集创建一个数据框。

我想找到一种更短的方法来计算 tibble 中的分组向量之间的连续差异（不是 B 中的 A），其中每个差异都在组“x”的向量与所有先前组中的向量的串联之间。

我在 for 循环中找到了使用 anti_join 的解决方案，但我想知道是否有更简洁的方法。

换句话说，如果：

组 1：“a”、“b”

组 2：“a”、“c”

组 3：“b”、“d”

当我计算 group3 和 group1:2 之间的累积连续差异时，我应该得到：

组 3：“d”

因为“d”是唯一未包含在所有先前组中的元素。

我用谷歌搜索了一会儿，没有找到直接的反连接语义示例。以 C# LINQ 为例，如何做到这一点？