我有 2 个因子列,我想创建第三个列,它告诉我第二个有哪些第一个没有。
跟这个很像post但我无法从 df
开始使用 setdiff()
功能。
例如:
library(dplyr)
y1 <- c("a.b.","a.","b.c.d.")
y2 <- c("a.b.c.","a.b.","b.c.d.")
df <- data.frame(y1,y2)
栏目
y1
有 a.b.
和专栏y2
有 a.b.c.
.我想要三分之一的列返回 c.
或只是 c
.> df
y1 y2 col3
1 a.b. a.b.c. c.
2 a. a.b. b.
3 b.c.d. b.c.d.
我认为应该是
strsplit
的组合和 setdiff
,但我无法让它工作。我试图转换
factor
进入 character
,然后我尝试申请 strsplit()
结果,但输出对我来说似乎很奇怪。好像在列表中创建了一个列表,导致很难传递给setdiff()
#convert factor to character
df <- df %>% mutate_if(is.factor, as.character)
lapply(df$y1,function(x)(strsplit(x,split = "[.]")))
> lapply(df$y1,function(x)(strsplit(x,split = "[.]")))
[[1]]
[[1]][[1]]
[1] "a" "b"
[[2]]
[[2]][[1]]
[1] "a"
[[3]]
[[3]][[1]]
[1] "b" "c" "d"
最佳答案
更新
当差异超过 1 个字符时出现问题,它创建了一个额外的行。为了克服这一点,我们 paste
每个差异的所有元素一起。这也使我们免于 unlist
步。
df$col3 <- mapply(function(x, y) paste0(setdiff(y, x), collapse = ""),
strsplit(as.character(df$y1), "\\."), strsplit(as.character(df$y2), "\\."))
原答案
我们可以使用
mapply
并在“。”上拆分两列使用 strsplit
然后使用 setdiff
计算它们之间的差异.df$col3 <- mapply(function(x, y) setdiff(y, x),
strsplit(as.character(df$y1), "\\."), strsplit(as.character(df$y2), "\\."))
df
# y1 y2 col3
#1 a.b. a.b.c. c
#2 a. a.b. b
#3 b.c.d. b.c.d.
如果我们不想要
col3
作为列表,我们可以 unlist
然而,其中一个问题是我们是否unlist
它删除了 character(0)
从中产生的值(value)。为了保留该值,我们需要对其进行额外检查。取自 here .unlist(lapply(df$col3,function(x) if(identical(x,character(0))) ' ' else x))
#[1] "c" "b" " "
关于R - 数据框中两组之间的差异,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49889554/