R中两个data.frame的行的每个组合的快速setdiff答案

【问题标题】：Fast setdiff for each combinations of rows of two data.frames in RR中两个data.frame的行的每个组合的快速setdiff
【发布时间】：2021-12-28 12:14:18
【问题描述】：

我正在处理一些实验数据，我需要将参考数据和处理数据一起比较。我有两个 data.frames，目标是创建两个 data.frames 行的所有组合，并检查两行的 setdiff 是否大于 10，并将行 ID 保存到有匹配项的列表中。

我准备了一个通用的解决方案，如下所示：

set.seed(42)  ## for sake of reproducibility
df1 <- data.frame(a = rpois(150, 2), b = rpois(150, 2))
df2 <- data.frame(a = rpois(150, 10), b = rpois(150, 14))
out <- vector("list", nrow(df1))
names(out) <- rownames(df1)
for (i in seq_len(nrow(df1))) {
  map <- NULL
  for (j in seq_len(nrow(df2))) {
    if (all(setdiff(c(df2[j, ]), c(df1[i, ])) > 10)) {
      map <- c(map, j)
    }
  }
  out[[i]] <- map
}

问题在于，对于非常大的数据帧（超过 30 000 行），这是一个非常缓慢的解决方案。我不确定如何加快这个 for 循环。如有任何建议，我将不胜感激。

【问题讨论】：

标签： r loops for-loop set-difference

【解决方案1】：

在下一个方法中，您将获得两个索引 i (rowname...1)（df1 的行号）和 j (rowname...4)（df2 的行号）

library(tibble)
library(tidyr)
library(dplyr)
df <- expand_grid(df1 %>% rownames_to_column(),df2 %>% rownames_to_column(), .name_repair = "universal")
df$a <- df[[5]] - df[[2]]
df$b <- df[[6]] - df[[3]]
df[which(df$a > 10 & df$b > 10),c(1,4)]

# A tibble: 2,194 × 2
   rowname...1 rowname...4
   <chr>       <chr>      
 1 1           47         
 2 1           97         
 3 2           47         
 4 2           97         
 5 2           111        
 6 2           117        
 7 3           8          
 8 3           11         
 9 3           13         
10 3           14         
# … with 2,184 more rows

【讨论】：