R：如何有效地找出data.frame A是否包含在data.frame B中？答案

【问题标题】：R: How to efficiently find out whether data.frame A is contained in data.frame B?R：如何有效地找出data.frame A是否包含在data.frame B中？
【发布时间】：2015-03-30 21:18:51
【问题描述】：

为了找出数据框 df.a 是否是数据框 df.b 的子集，我做了以下操作：

df.a <- data.frame( x=1:5, y=6:10 )
df.b <- data.frame( x=1:7, y=6:12 )
inds.x <- as.integer( lapply( df.a$x, function(x) which(df.b$x == x) ))
inds.y <- as.integer( lapply( df.a$y, function(y) which(df.b$y == y) ))
identical( inds.x, inds.y )

最后一行给出了TRUE，因此df.a包含在df.b中。

现在我想知道是否有更优雅——可能更有效——的方式来回答这个问题？

此任务还可以轻松扩展，以查找两个给定数据帧之间的交集，可能仅基于列的子集。

我们将不胜感激。

【问题讨论】：

可能是all(mapply("%in%", df.a, df.b))？当然，假设它们具有相同顺序的相同列。或者对于列子集和正确列顺序的更安全的方法可能是cols <- c("x", "y") ; all(mapply("%in%", df.a[cols], df.b[cols]))
识别配对是否重要？ data.frame(a=1:4, b=5:8) 是 data.frame(a=8:1, b=1:8) 的子集。我会说不，但意见可能会有所不同。
@DavidArenburg，我认为这可能会因c(2, 2) 包含在c(2) 中的情况而变得复杂？
假设数据框行中没有重复项，您可以使用 dplyr 包中的 merge 或 inner_join。
我认为dplyr::semi_join 可以为所欲为。 df.a <- data.frame( x=c(1:5,1), y=c(6:10,6) ); df.b <- data.frame( x=1:7, y=6:12 ); df.c <- data.frame( x=c(1:7, 1), y= c(6:12, 6) )、semi_join(df.b, df.a) 失败但 semi_join(df.c, df.a) 成功（直到规范排序）

标签： r dataframe subset set-intersection

【解决方案1】：

我将冒险猜测答案。

我认为来自dplyr 的semi_join 会做你想做的事，即使考虑到重复的行。

首先记下帮助文件?semi_join：

返回 x 中在 y 中有匹配值的所有行，只保留 x 中的列。

半连接与内连接不同，因为内连接 join 将为每个匹配的 y 行返回一行 x，半连接将在哪里永远不要重复 x 行。

好的，这表明以下应该正确失败：

df.a <- data.frame( x=c(1:5,1), y=c(6:10,6) )
df.b <- data.frame( x=1:7, y=6:12 )
identical(semi_join(df.b, df.a),  semi_join(df.a, df.a))

给出FALSE，正如预期的那样

> semi_join(df.b, df.a)
Joining by: c("x", "y")
  x  y
1 1  6
2 2  7
3 3  8
4 4  9
5 5 10

但是，以下应该通过：

df.c <- data.frame( x=c(1:7, 1), y= c(6:12, 6) )
identical(semi_join(df.c, df.a), semi_join(df.a, df.a))

确实如此，给TRUE。

需要第二个semi_join(df.a, df.a) 才能对df.a 进行规范排序。

【讨论】：