R sélectionnant toutes les lignes d'un bloc de données qui n'apparaissent pas dans un autre

J'essaie de résoudre un épineux R problème que je n'ai pas été en mesure de résoudre par Googler mots-clés. Plus précisément, je suis en train de prendre un sous-ensemble d'un bloc de données dont les valeurs n'apparaissent pas dans l'autre. Voici un exemple:

> test
      number    fruit     ID1  ID2 
item1 "number1" "apples"  "22" "33"
item2 "number2" "oranges" "13" "33"
item3 "number3" "peaches" "44" "25"
item4 "number4" "apples"  "12" "13"
> test2
      number    fruit     ID1   ID2 
item1 "number1" "papayas" "22"  "33"
item2 "number2" "oranges" "13"  "33"
item3 "number3" "peaches" "441" "25"
item4 "number4" "apples"  "123" "13"
item5 "number3" "peaches" "44"  "25"
item6 "number4" "apples"  "12"  "13"
item7 "number1" "apples"  "22"  "33"

J'ai deux trames de données, test et test2, et le but est de sélectionner toutes les lignes entières dans test2 qui n'apparaissent pas dans le test, même si certaines de ces valeurs peuvent être les mêmes.

La sortie je veux ressemblerait à:

item1 "number1" "papayas" "22"  "33"
item2 "number3" "peaches" "441" "25"
item3 "number4" "apples"  "123" "13"

Il peut y avoir une quantité arbitraire de lignes ou de colonnes, mais dans mon cas précis, une trame de données est directement sous-ensemble de l'autre.

J'ai utilisé le sous-ensemble de R(), merge () () les fonctions de profondeur, mais ne pouvait pas comprendre comment les utiliser en combinaison, si elle est possible, pour obtenir ce que je veux.

edit: Voici le R code que j'ai utilisé pour générer ces deux tables.

test <- data.frame(c("number1", "apples", 22, 33), c("number2", "oranges", 13, 33),
    c("number3", "peaches", 44, 25), c("number4", "apples", 12, 13))

test <- t(test)
rownames(test) = c("item1", "item2", "item3", "item4")
colnames(test) = c("number", "fruit", "ID1", "ID2")

test2 <- data.frame(data.frame(c("number1", "papayas", 22, 33), c("number2", "oranges", 13, 33),
    c("number3", "peaches", 441, 25), c("number4", "apples", 123, 13),c("number3", "peaches", 44, 25), c("number4", "apples", 12, 13)  ))

test2 <- t(test2)
rownames(test2) = c("item1", "item2", "item3", "item4", "item5", "item6")
colnames(test2) = c("number", "fruit", "ID1", "ID2")

Merci d'avance!

source d'informationauteur so13eit

  1. 15

    Voici une autre façon:

    x <- rbind(test2, test)
x[! duplicated(x, fromLast=TRUE) & seq(nrow(x)) <= nrow(test2), ]
#        number   fruit ID1 ID2
# item1 number1 papayas  22  33
# item3 number3 peaches 441  25
# item4 number4  apples 123  13

    Edit: modifié afin de conserver les noms de ligne.

  2. 4

    Il y a deux méthodes pour résoudre ce problème, en utilisant des données.table et sqldf

    library(data.table)
test<- fread('
item number fruit ID1 ID2 
item1 "number1" "apples"  "22" "33"
item2 "number2" "oranges" "13" "33"
item3 "number3" "peaches" "44" "25"
item4 "number4" "apples"  "12" "13"
')
test2<- fread('
item number fruit ID1 ID2 
item1 "number1" "papayas" "22"  "33"
item2 "number2" "oranges" "13"  "33"
item3 "number3" "peaches" "441" "25"
item4 "number4" "apples"  "123" "13"
item5 "number3" "peaches" "44"  "25"
item6 "number4" "apples"  "12"  "13"
item7 "number1" "apples"  "22"  "33"
')

    de données.approche de table, cela vous permet de sélectionner les colonnes que vous souhaitez comparer

    setkey(test,item,number,fruit,ID1,ID2)
setkey(test2,item,number,fruit,ID1,ID2)
test[!test2]
item  number   fruit ID1 ID2
1: item1 number1  apples  22  33
2: item3 number3 peaches  44  25
3: item4 number4  apples  12  13

    Sql approche

    sqldf('select * from test except select * from test2')
item  number   fruit ID1 ID2
1: item1 number1  apples  22  33
2: item3 number3 peaches  44  25
3: item4 number4  apples  12  13
  3. 2

    Ce qui suit devrait vous permettre d'y parvenir: 

    rows <- unique(unlist(mapply(function(x, y) 
          sapply(setdiff(x, y), function(d) which(x==d)), test2, test1)))
test2[rows, ]

    Ce qui se passe ici est:

    • mapply est utilisé pour faire les colonnes de la comparaison entre les deux ensembles de données.
    • Il utilise setdiff de trouver n'importe quel élément qui sont dans le premier mais pas le dernier
    • which qui identifie la ligne de l'ancien n'est pas présent.

    • unique(unlist(....)) attrape toutes les lignes uniques

    • Puis nous de l'utiliser comme un filtre à l'ancienne, c'est à dire test2

    Résultats:

           number   fruit ID1 ID2
item1 number1 papayas  22  33
item3 number3 peaches 441  25
item4 number4  apples 123  13

    edit:

    Assurez-vous que votre test & test2 sont data.frames et pas matricesdepuis mapply itère sur chaque élément d'une matrice, mais sur chaque colonne d'un data.frame

    test  <- as.data.frame(test,  stringsAsFactors=FALSE)
test2 <- as.data.frame(test2, stringsAsFactors=FALSE)
  4. 1

    Faire une nouvelle ligne-colonne ID dans test2, fusionner les trames de données, et sélectionnez les lignes dont les Id ne sont pas dans le résultat fusionné.

    test2 <- cbind(test2, id=seq_len(nrow(test2)))

matches <- merge(test1, test2)$id

test2 <- test2[-matches, ]
  5. 1

    Voici une autre approche, mais je ne suis pas sûr de la façon dont elle sera mise à l'échelle.

    test2[!apply(test2, 1, paste, collapse = "") %in% 
        apply(test, 1, paste, collapse = ""), ]
#       number    fruit     ID1   ID2 
# item1 "number1" "papayas" "22"  "33"
# item3 "number3" "peaches" "441" "25"
# item4 "number4" "apples"  "123" "13"

    Ce serait pas supprimer tous les doublons. Comparer, par exemple, si test2 avait des doublons:

    test2 <- rbind(test2, test2[1:3, ])

## Matthew's answer: Duplicates dropped
x <- rbind(test2, test)
x[! duplicated(x, fromLast=TRUE) & seq(nrow(x)) <= nrow(test2), ]
#       number    fruit     ID1   ID2 
# item4 "number4" "apples"  "123" "13"
# item1 "number1" "papayas" "22"  "33"
# item3 "number3" "peaches" "441" "25"

## This one: Duplicates retained
test2[!apply(test2, 1, paste, collapse = "") %in%
  apply(test, 1, paste, collapse = ""), ]
#       number    fruit     ID1   ID2 
# item1 "number1" "papayas" "22"  "33"
# item3 "number3" "peaches" "441" "25"
# item4 "number4" "apples"  "123" "13"
# item1 "number1" "papayas" "22"  "33"
# item3 "number3" "peaches" "441" "25"