比较 R 中的两个特征向量

我有两个 ID 的字符向量。

我想比较两个字符向量，特别是我对下列数字感兴趣:

  • A 和 B 中有多少个 ID
  • 有多少身份证在 A 里，而不在 B 里
  • 有多少身份证在 B 里，而不在 A 里

我还想画一幅维恩图。

130863 次浏览
小开
最佳答案

下面是一些可以尝试的基础知识:

> A = c("Dog", "Cat", "Mouse")
> B = c("Tiger","Lion","Cat")
> A %in% B
[1] FALSE  TRUE FALSE
> intersect(A,B)
[1] "Cat"
> setdiff(A,B)
[1] "Dog"   "Mouse"
> setdiff(B,A)
[1] "Tiger" "Lion"

类似地，你可以得到如下计数:

> length(intersect(A,B))
[1] 1
> length(setdiff(A,B))
[1] 2
> length(setdiff(B,A))
[1] 2
小开

还有一种方法，使用公共元素的 % in% 和布尔向量代替 互联系统和 Setdiff。我认为你实际上是想比较两个 向量，而不是两个 清单-一个 名单是一个 R 类，可以包含任何类型的元素，而向量总是只包含一种类型的元素，因此更容易比较什么是真正相等的。在这里，元素被转换为字符串，因为这是目前最不灵活的元素类型。

first <- c(1:3, letters[1:6], "foo", "bar")
second <- c(2:4, letters[5:8], "bar", "asd")


both <- first[first %in% second] # in both, same as call: intersect(first, second)
onlyfirst <- first[!first %in% second] # only in 'first', same as: setdiff(first, second)
onlysecond <- second[!second %in% first] # only in 'second', same as: setdiff(second, first)
length(both)
length(onlyfirst)
length(onlysecond)


#> both
#[1] "2"   "3"   "e"   "f"   "bar"
#> onlyfirst
#[1] "1"   "a"   "b"   "c"   "d"   "foo"
#> onlysecond
#[1] "4"   "g"   "h"   "asd"
#> length(both)
#[1] 5
#> length(onlyfirst)
#[1] 6
#> length(onlysecond)
#[1] 4


# If you don't have the 'gplots' package, type: install.packages("gplots")
require("gplots")
venn(list(first.vector = first, second.vector = second))

如前所述，在 R 中绘制维恩图有多种选择。

venn diagram with gplots

小开

我通常处理大型的集合，所以我使用表格代替维恩图:

xtab_set <- function(A,B){
both    <-  union(A,B)
inA     <-  both %in% A
inB     <-  both %in% B
return(table(inA,inB))
}


set.seed(1)
A <- sample(letters[1:20],10,replace=TRUE)
B <- sample(letters[1:20],10,replace=TRUE)
xtab_set(A,B)


#        inB
# inA     FALSE TRUE
#   FALSE     0    5
#   TRUE      6    3
小开

使用 sqldf: 速度较慢，但非常适合混合类型的数据帧:

t1 <- as.data.frame(1:10)
t2 <- as.data.frame(5:15)
sqldf1 <- sqldf('SELECT * FROM t1 EXCEPT SELECT * FROM t2') # subset from t1 not in t2
sqldf2 <- sqldf('SELECT * FROM t2 EXCEPT SELECT * FROM t1') # subset from t2 not in t1
sqldf3 <- sqldf('SELECT * FROM t1 UNION SELECT * FROM t2') # UNION t1 and t2


sqldf1  X1_10
1
2
3
4
sqldf2   X5_15
11
12
13
14
15
sqldf3   X1_10
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
小开

使用与上述答案之一相同的示例数据。

A = c("Dog", "Cat", "Mouse")
B = c("Tiger","Lion","Cat")


match(A,B)
[1] NA  3 NA

match函数返回一个向量，其中包含 A中所有值在 B中的位置。因此，cat，A中的第二个元素，是 B中的第三个元素。没有其他匹配的了。

要获得 A和 B中的匹配值，可以执行以下操作:

m <- match(A,B)
A[!is.na(m)]
"Cat"
B[m[!is.na(m)]]
"Cat"

要获得 A和 B中的非匹配值:

A[is.na(m)]
"Dog"   "Mouse"
B[which(is.na(m))]
"Tiger" "Cat"

此外，还可以使用 length()获取匹配值和非匹配值的总数。

小开

如果 A是一个 data.table，字段 a的类型为 list，条目本身作为基元类型的向量，例如创建如下

A<-data.table(a=c(list(c("abc","def","123")),list(c("ghi","zyx"))),d=c(9,8))

而 B是一个带有基本条目向量的列表，例如按以下方式创建

B<-list(c("ghi","zyx"))

您正在尝试查找 A$a的哪个(如果有的话)元素与 B匹配

A[sapply(a,identical,unlist(B))]

如果你只想要 a中的条目

A[sapply(a,identical,unlist(B)),a]

如果你想要 a的匹配索引

A[,which(sapply(a,identical,unlist(B)))]

如果 B 本身是一个与 A 具有相同结构的 data.table，例如。

B<-data.table(b=c(list(c("zyx","ghi")),list(c("abc","def",123))),z=c(5,7))

你要寻找两个列表的交集，在这里你需要相同顺序的向量元素。

# give the entry in A for in which A$a matches B$b
A[,`:=`(res=unlist(sapply(list(a),function(x,y){
x %in% unlist(lapply(y,as.vector,mode="character"))
},list(B[,b]),simplify=FALSE)))
][res==TRUE
][,res:=NULL][]


# get T/F for each index of A
A[,sapply(list(a),function(x,y){
x %in% unlist(lapply(y,as.vector,mode="character"))
},list(B[,b]),simplify=FALSE)]

请注意，您不能像

setkey(A,a)
setkey(B,b)
A[B]

加入 A & B，因为您不能键入 data.table 1.12.2中的 list类型的字段

同样，你也不能问

A[a==B[,b]]

即使 A 和 B 是相同的，因为 ==操作符还没有在 R 中为 list类型实现


提交答案