在tidyverse中使用`anti_join` function

Question

Hadley 写的用于数据科学的书 R 说

检查您的外键是否与另一个表中的主键匹配。 最好的方法是使用anti_join()

anti_join(x, y, by = "ID")使用ID给出x中未在y中找到的行。 但我不确定它对检查一个表的外键是否与另一个表的主键匹配有什么用处。

有人可以提供一个例子吗？

Answer 1

我认为这本书试图描述的场景如下：

您有 2 个数据集：

# data set A
# primary key is ID, foreign key is zip code

A tibble: 10 x 3
      ID zip_code   age
   <int> <chr>    <int>
 1     1 10000       43
 2     2 10001       41
 3     3 10002       46
 4     4 10003       45
 5     5 10004       50
 6     6 10005       48
 7     7 10006       40
 8     8 10007       49
 9     9 10008       44
10    10 AAAAA       42

# data set B
# primary key is zip code

 A tibble: 10 x 2
   zip_code address
   <chr>    <chr>  
 1 10000    B      
 2 10001    H      
 3 10002    U      
 4 10003    M      
 5 10004    T      
 6 10005    O      
 7 10006    P      
 8 10007    R      
 9 10008    L      
10 10009    V  

您使用zip_code加入 A 和 B。 在实际情况下，某些行中可能没有匹配项。 在此示例中， ID = 10为第 10 行。

A %>% left_join(B, by = "zip_code")

# A tibble: 10 x 4
      ID zip_code   age address
   <int> <chr>    <int> <chr>  
 1     1 10000       43 B      
 2     2 10001       41 H      
 3     3 10002       46 U      
 4     4 10003       45 M      
 5     5 10004       50 T      
 6     6 10005       48 O      
 7     7 10006       40 P      
 8     8 10007       49 R      
 9     9 10008       44 L      
10    10 AAAAA       42 NA  

这本书建议使用anti_join找出不匹配项（如果有数千行可能很难看到）并检查外键。 在此示例中， ID = 10具有完全不同类型的外键，导致不匹配。

A %>% anti_join(B, by = "zip_code")

# A tibble: 1 x 3
     ID zip_code   age
  <int> <chr>    <int>
1    10 AAAAA       42

数据

library(tidyverse)
set.seed(123)

A <- tibble(ID = 1:10, zip_code = c(seq(10000, 10008, 1), "AAAAA"), age = sample(40:50, 10))

B <- tibble(zip_code =  as.character(seq(10000, 10009, 1)), address = sample(LETTERS, 10))