如何使用data.table执行“setdiff”合并？

Question

假设我有两个表：

library(data.table)
set.seed(1)

tab1 <- data.table(
  let = rep(letters[1:2], each = 3),
  num = rep(1:3, 2),
  val = rnorm(6),
  key = c("let", "num")
)

tab2 <- data.table(
  let = rep(letters[1:2], each = 2),
  num = rep(1:2, 2),
  val = rnorm(4),
  key = c("let", "num")
)

表1：

> tab1
   let num        val
1:   a   1 -0.6264538
2:   a   2  0.1836433
3:   a   3 -0.8356286
4:   b   1  1.5952808
5:   b   2  0.3295078
6:   b   3 -0.8204684

表格2：

> tab2
   let num
1:   a   1
2:   a   2
3:   b   1
4:   b   2

有没有一种方法可以“合并”这些表格，以便我获得tab1中所有不在tab2中的结果？

   let num        val
1:   a   3 -0.8356286
2:   b   3 -0.8204684

- sebastian-c

---

相关帖子：如何合并数据框（内部、外部、左侧、右侧）？ - zx8754

Answer 1

在这种情况下，它等同于一种反连接：

tab1[!tab2, on=c("let", "num")]

但是setdiff()只会针对每个let,num的第一行。这在v1.9.8中被标记为FR #547。

- Arun

---

“on” 是否像 “setkey” 一样作为合并的操作？ - Colonel Beauvel

鉴于我的示例已经设置了键，这可以简化为 tab1[!tab2]。 - sebastian-c

@ColonelBeauvel，是的，它支持即席连接。当您有大量数据且不想重新排序以进行连接时非常有用。或者当需要保留顺序时也很有用。此外，正在连接的列是清晰明确的（不像setkey可能会在代码的其他地方发生）。而且它是一个连接操作也是很明显的。 - Arun

@sebastian-c，我仍然更喜欢使用on=，这样以后就很清楚正在连接什么了。 - Arun

fsetdiff（）已被实现-如此答案中所示。 - SymbolixAU

Answer 2

一种解决方案是进行合并，并删除其中包含tab2值的行。

d<-as.data.frame(merge(tab1,tab2,all=T))
t<-is.na(d[,4])
d[t,][,-4]

 let num      val.x
3   a   3 -0.8356286
6   b   3 -0.8204684

使用 data.table ：

merge(tab1,tab2,all=T)[is.na(val.y), 1:3]

 let num      val.x
1:   a   3 -0.8356286
2:   b   3 -0.8204684

- etienne

---

这在这种情况下有效，但如果我的数据中有NA，它可能无法正常工作。 - sebastian-c