寻找两个向量之间不重叠的元素

Question

我试图识别那些未包含在另一个向量中的元素。例如，在两个向量中，我有：

list.a <- c("James", "Mary", "Jack", "Sonia", "Michelle", "Vincent")

list.b <- c("James", "Sonia", "Vincent")

有没有一种方法可以验证哪些人不重叠？在这个例子中，我希望获得包含Mary、Jack和Michelle的向量结果。

任何建议都将有所帮助！

- halo09876

Answer 1

有的，有一种方法：

setdiff(list.a, list.b)
# [1] "Mary"     "Jack"     "Michelle"

- Julius Vainora

---

请注意，此组中的所有功能（setdiff、intersect、union等）都会忽略重复项。如果您的列表包含重复值，您需要进行一些调整。实际上，几天前有一个非常好的stackoverflow问题就是针对这个问题的，并且已经得到了很好的回答。但现在我无法找到它了 :-( - Carl Witthoft

@CarlWitthoft 如果您查看setdiff的源代码，您会发现很容易修改它以不忽略重复项。 - hadley

@hadley 我发布了一个“灵活”的setdiff版本，供你参考 :-) - Carl Witthoft

Answer 2

我认为需要强调的是，被接受的答案只是部分正确的。命令setdiff(list.a, list.b)仅在这些元素包含在第一个参数中的对象时才能找到不重叠的元素！如果你不知道这个行为并且使用了setdiff(list.b, list.a)，结果将在本例中为character(0)，这会让你得出结论认为没有非重叠元素。

为了举例说明，使用稍微扩展的示例，明显的快速修复方法是:

list.a <- c("James", "Mary", "Jack", "Sonia", "Michelle", "Vincent")
list.b <- c("James", "Sonia", "Vincent", "Iris")

c(setdiff(list.b, list.a), setdiff(list.a, list.b))
# [1] "Iris"     "Mary"     "Jack"     "Michelle" 

- Manuel R

---

正是我正在经历的事情。谢谢！ - Rafs

Answer 3

根据Hadley和我自己的评论，这里是如何允许重复值的扩展回答。

最终编辑：我不建议任何人使用这个方法，因为结果可能与您的预期不符。如果在x中有一个不在y中的重复值，则会看到该值在输出中重复出现。但是：例如，在x中有四个9，在y中有一个9，则所有9都将被删除。人们可能希望保留其中的三个；这需要更加混乱的代码。

mysetdiff<-function (x, y, multiple=FALSE) 
{
    x <- as.vector(x)
    y <- as.vector(y)
    if (length(x) || length(y)) {
        if (!multiple) {
             unique( x[match(x, y, 0L) == 0L])  
              }else  x[match(x, y, 0L) == 0L] 
        } else x
}

Rgames> x
[1]  8  9  6 10  9
Rgames> y
[1] 5 3 8 8 1
Rgames> setdiff(x,y)
[1]  9  6 10
Rgames> mysetdiff(x,y)
[1]  9  6 10
Rgames> mysetdiff(x,y,mult=T)
[1]  9  6 10  9
Rgames> mysetdiff(y,x,mult=T)
[1] 5 3 1
Rgames> setdiff(y,x)
[1] 5 3 1

- Carl Witthoft

---

我会将 if 语句的结果存储到临时变量中，并在 !multiple 的情况下对其调用 unique，这样代码更易读。 - Matthew Lundberg

Answer 4

一个适用于重复项的简洁语句：

anti_join(data_frame(c(1,1,2,2)), data_frame(c(1,1)))

这将返回数据框{2,2}。然而，在1,1,2,2中的1,2情况下不适用，因为它找到了两次。

- Noale