semi_join 在 R 中但拉回重复项

Posted 2023-02-24

【中文标题】semi_join 在 R 中但拉回重复项

【英文标题】：semi_join in R but pull back duplicates

【发布时间】：2017-05-25 05:19:44

【问题描述】：

我遇到了来自 dplyr 的 semi_join 问题。理想情况下，我想对 dfA 与 dfB 进行半联接。 dfA 具有重复值，dfB 也是如此。我想从 dfA 中撤回所有与 dfB 匹配的值，甚至在 dfA 中重复。

dfA              dfB               >>     dfC
x    y    z      x    g                   x    y    z   
1    r    5      1    lkm                 1    r    5
1    b    4      1    pok                 1    b    4
2    4    e      2    jij                 2    4    e
3    5    r      2    pop                 3    5    r
3    9    g      3    hhg                 3    9    g
4    3    0      5    trt

我想得到的是上面的 dfC 输出。因为至少有 1 个 x 匹配，所以它会拉回 dfA 中的所有 x

semi_join(dfA, dfB, by = "x")
dfC
x    y    z  
1    r    5
2    4    e
3    5    r


inner_join(dfA, dfB, by = "x")
x    y    z    g  
1    r    5    lkm
1    r    5    pok
1    b    4    lkm
1    b    4    pok
2    4    e    jij
2    4    e    pop
3    5    r    hhg
3    9    g    hhg

这两者都没有给我正确的结果。任何帮助都会很棒！提前致谢

【问题讨论】：

dfA[dfA$x %in% dfB$x,]

【参考方案1】：

不知道为什么需要 join ：只需使用 %in%

library(data.table)
setDT(dfA)[x %in% dfB$x,]

# simple base R approach :
dfA[dfA$x %in% dfB$x,]

【讨论】：

感谢@joel.wilson - 我在学习 R 方面还是新手，所以我现在使用的是我所知道的。您的解决方案有效，但它也与我的 semi_join 解决方案相匹配。在 semi_join 上，它不会拉回整个行的重复项吗？或他们的钥匙的副本？我担心它是关键，但从这个例子看来，它是重复的整行。如果是，我上面的例子是错误的。

@MattW。如果我没有错，它会拉出整行。没怎么用semi_join

@joel.wilson 这可以解释我们得出相同的结论。这解决了我的问题。非常感谢您的回复！大量帮助

【参考方案2】：

如果您正在使用 dplyr 并继续通过管道传递它

library(dplyr)
dfA %>% filter(x %in% dfB$x)

【讨论】：

这也有效！非常感谢。感谢您的帮助