在tidyverse中使用`anti_join` function

Question

Hadley 寫的用於數據科學的書 R 說

檢查您的外鍵是否與另一個表中的主鍵匹配。 最好的方法是使用anti_join()

anti_join(x, y, by = "ID")使用ID給出x中未在y中找到的行。 但我不確定它對檢查一個表的外鍵是否與另一個表的主鍵匹配有什么用處。

有人可以提供一個例子嗎？

Answer 1

我認為這本書試圖描述的場景如下：

您有 2 個數據集：

# 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。 在實際情況下，某些行中可能沒有匹配項。 在此示例中， ID = 10為第 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  

這本書建議使用anti_join找出不匹配項（如果有數千行可能很難看到）並檢查外鍵。 在此示例中， ID = 10具有完全不同類型的外鍵，導致不匹配。

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

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

數據

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))