识别数据框A中未包含的数据框中的记录

Question

这是我第一次在这里发帖,所以请善待;-)

编辑 在我有机会向我建议更改之前,我的问题已经关闭.所以我现在正努力做得更好,感谢所有回答到目前为止的人!

题

我怎样才能识别数据帧记录/行x.1那些未包含在数据帧x.2基于所有的可用属性(即所有列)最有效的方法是什么？

示例数据

> x.1 <- data.frame(a=c(1,2,3,4,5), b=c(1,2,3,4,5))
> x.1
  a b
1 1 1
2 2 2
3 3 3
4 4 4
5 5 5

> x.2 <- data.frame(a=c(1,1,2,3,4), b=c(1,1,99,3,4))
> x.2
  a  b
1 1  1
2 1  1
3 2 99
4 3  3
5 4  4

期望的结果

  a b
2 2 2
5 5 5

最好的解决方案

由Brian Ripley教授和Gabor Grothendieck教授完成

> fun.12 <- function(x.1,x.2,...){
+     x.1p <- do.call("paste", x.1)
+     x.2p <- do.call("paste", x.2)
+     x.1[! x.1p %in% x.2p, ]
+ }
> fun.12(x.1,x.2)
  a b
2 2 2
5 5 5
> sol.12 <- microbenchmark(fun.12(x.1,x.2))
> sol.12 <- median(sol.12$time)/1000000000
> sol.12
> [1] 0.000207784

目前为止所有测试解决方案的集合都可以在我的博客上找到

最终编辑2011-10-14

这是包含在函数'mergeX()'中的最佳解决方案:

setGeneric(
    name="mergeX",
    signature=c("src.1", "src.2"),
    def=function(
        src.1,
        src.2,
        ...
    ){
    standardGeneric("mergeX")    
    }
)

setMethod(
    f="mergeX", 
    signature=signature(src.1="data.frame", src.2="data.frame"), 
    definition=function(
        src.1,
        src.2,
        do.inverse=FALSE,
        ...
    ){
    if(!do.inverse){
        out <- merge(x=src.1, y=src.2, ...)
    } else {
        if("by.y" %in% names(list(...))){
            src.2.0 <- src.2
            src.2 <- src.1
            src.1 <- src.2.0
        }
        src.1p <- do.call("paste", src.1)
        src.2p <- do.call("paste", src.2)
        out <- src.1[! src.1p %in% src.2p, ]
    }
    return(out)    
    }
)

Answer 1

这有几种方法.#1和#4假设行x.1是唯一的.(如果行x.1不是唯一的,那么它们将只返回重复行中的一个重复项.)其他行返回所有重复项:

# 1
x.1[!duplicated(rbind(x.2, x.1))[-(1:nrow(x.2))],]

# 2
do.call("rbind", setdiff(split(x.1, rownames(x.1)), split(x.2, rownames(x.2))))

# 3
x.1p <- do.call("paste", x.1)
x.2p <- do.call("paste", x.2)
x.1[! x.1p %in% x.2p, ]

# 4
library(sqldf)
sqldf("select * from `x.1` except select * from `x.2`")

编辑:x.1和x.2交换,这已得到修复.在开始时也有关于限制的更正说明.