R：在数据框中查找不对应的列[重复]答案

【问题标题】：R: Find non-corresponding columns in data frame [duplicate]R：在数据框中查找不对应的列[重复]
【发布时间】：2019-10-10 17:47:19
【问题描述】：

想想这个小的示例数据框（真实的数据框很大）：

df <- data.frame(ID=c("C_40", "C_40", "A_301", "A_301", "T_014", "C_4301", "C_4301", "A_345"), genID=c("1", "1", "2", "2", "3","3","4", "4"))

我正在努力解决以下问题：您会看到始终有 2 个 ID 对应于一个 genID。

“正确”的情况是 ID 和 genID 列匹配，所以前 2 个（C_48 是 1，A_301 是 2）。其他都是“假”，我需要检测它们（在本例中，genID 3 的 ID 不匹配 = T_014 和 C_4301；genID4 也是如此。

您知道如何提取这些不匹配的案例吗？例如。到一个只显示不匹配的数据框，例如，这里看起来像这样：

 ID     genID
T_014   3
C_4301  3
C_4301  4
A_345   4

所以我需要相同 genID 具有不同 ID 的情况... 感谢您的任何建议！

【问题讨论】：

标签： r dataframe match extract

【解决方案1】：

我们根据不同 'ID' 的数量等于 2 的条件按 'genID' 和 filter 分组

library(dplyr)
df %>% 
   group_by(genID) %>% 
   filter(n_distinct(ID) == 2)
# A tibble: 4 x 2
# Groups:   genID [2]
#  ID     genID
#  <fct>  <fct>
#1 T_014  3    
#2 C_4301 3    
#3 C_4301 4    
#4 A_345  4

【讨论】：

【解决方案2】：

如果您正在寻找一种非常有效的解决方案来处理大型数据集，我建议您使用data.table 包。这段代码 sn-p 应该可以满足您的需求。

library(data.table)
setDT(df)
unique(df)[, .(ID, count=.N), genID][count>1][, count:=NULL][]

##     genID     ID
##  1:     3  T_014
##  2:     3 C_4301
##  3:     4 C_4301
##  4:     4  A_345

【讨论】：