R：如何有效地找出data.frame A是否包含在data.frame B中？

Question

为了查明是否数据帧df.a是数据帧的一个子集df.b我做了以下内容：

df.a <- data.frame( x=1:5, y=6:10 )
df.b <- data.frame( x=1:7, y=6:12 )
inds.x <- as.integer( lapply( df.a$x, function(x) which(df.b$x == x) ))
inds.y <- as.integer( lapply( df.a$y, function(y) which(df.b$y == y) ))
identical( inds.x, inds.y )

最后一行给出TRUE ，因此df.a包含在df.b 。

现在我想知道是否有一种更优雅 - 可能更有效 - 的方式来回答这个问题？

此任务也很容易扩展，以找到两个给定数据帧之间的交集，可能仅基于列的子集。

将非常感谢帮助。

Answer 1

我想猜一个答案。

我觉得semi_join从dplyr会做你想做的，即使考虑到重复行。

首先注意帮助文件?semi_join ：

从x返回所有行，其中y中存在匹配值，仅保留x中的列。

半连接与内连接不同，因为内连接将为y的每个匹配行返回一行x，其中半连接将永远不会复制x的行。

好的，这表明以下内容应该正确失败：

df.a <- data.frame( x=c(1:5,1), y=c(6:10,6) )
df.b <- data.frame( x=1:7, y=6:12 )
identical(semi_join(df.b, df.a),  semi_join(df.a, df.a))

这是FALSE ，正如预期的那样

> semi_join(df.b, df.a)
Joining by: c("x", "y")
  x  y
1 1  6
2 2  7
3 3  8
4 4  9
5 5 10

但是，以下内容应通过：

df.c <- data.frame( x=c(1:7, 1), y= c(6:12, 6) )
identical(semi_join(df.c, df.a), semi_join(df.a, df.a))

它确实如此，给予TRUE 。

第二个semi_join(df.a, df.a)需要在df.a上进行规范排序。