R 比较两个数据帧并创建具有唯一元素的新数据帧

我有两个数据帧。我想对它们进行比较，并创建一个新的数据帧，其中包含df1的全名，而这些全名在df2中找不到。我试图在df1中查找名字，但其名字在df2中不存在

df1：

df2：

我想用df2中找不到的名称创建一个新的数据帧

德福乌新酒店

  unique_names
1 Sally Williams
2 John Murray
3 Marry Kelly Parker

您可以使用以下选项：

setdiff(data_frame_name1, data_frame_name2)

或

或

---

您可以

拆分
空白处的字符串，获取名字，然后查找
df2
的
名字中不存在的名字

df1[!sapply(strsplit(df1$names, "\\s+"),`[`, 1) %in% df2$first_names,, drop = FALSE]

#           names
#1 Sally Williams
#4    John Murray


或者采用
tidyverse
方法

library(tidyverse)

df1 %>%
  separate(names, into = c("first_names", "last_names")) %>%
  anti_join(df2) %>%
  unite(unique_names, sep = " ")

我们可以使用
regex\u-anti\u-join

library(fuzzyjoin)
regex_anti_join(df1, df2, by = c("names" = "first_names")) %>% 
       tibble(unique_names = .)
# A tibble: 2 x 1
#  unique_names  
#   <chr>         
#1 Sally Williams
#2 John Murray   

或者另一个选项是从
stringr
中提取名字，然后使用%
中的
%查找第二个数据集中匹配的元素，求反（
！
）并对第一个数据集的行进行子集

library(stringr)
df1N[!word(df1N$names, 1) %in% df2N$first_names,, drop = FALSE]
#               names
#1     Sally Williams
#4        John Murray
#5 Marry Kelly Parker

数据
df1所以你不想让任何人在df2列表中有名字？是的correct@kumkiee我展示了3种方法，它们都适用于您的两个示例。当我在strsplit（df1$names，“\\s+”）中运行上述代码错误时，我遇到了此错误：非字符argument@kumkiee
名称
似乎是一个因素。运行
df1$names我尝试了tidyverse方法，得到了以下错误消息：error:
by
required，因为数据源没有公共变量调用
rlang:：last_error（）
，以查看回溯。另外：警告消息：预期2条。在531行中丢弃的其他碎片[9、11、41、56、67、74、76、77、78、109、121、135、138、139、151、152、154、164、165、175等]。有些人有中间名。@Ronak Shah不幸的是，您更新的代码仍然只返回df1的名称。有些人有中间名，有些人甚至有两个中间名（James R.R.Williams）。这个代码还能用吗？我明白了。好吧，实际的数据帧有数百个名称，所以我不能把它们全部复制到这里。@Kumkie我明白，但我在这里找到了模式showed@kumkiee基于您发布的两个示例，它对我来说效果很好
anti_join(data_frame_name1, data_frame_name2)

df1[!sapply(strsplit(df1$names, "\\s+"),`[`, 1) %in% df2$first_names,, drop = FALSE]

#           names
#1 Sally Williams
#4    John Murray

library(tidyverse)

df1 %>%
  separate(names, into = c("first_names", "last_names")) %>%
  anti_join(df2) %>%
  unite(unique_names, sep = " ")

library(fuzzyjoin)
regex_anti_join(df1, df2, by = c("names" = "first_names")) %>% 
       tibble(unique_names = .)
# A tibble: 2 x 1
#  unique_names  
#   <chr>         
#1 Sally Williams
#2 John Murray   

regex_anti_join(df1N, df2N, by = c("names" = "first_names")) %>% 
       tibble(unique_names = .)
# A tibble: 3 x 1
#  unique_names      
#   <chr>             
#1 Sally Williams    
#2 John Murray       
#3 Marry Kelly Parker

library(dplyr)
df1N  %>% 
   mutate(first_names = word(names, 1)) %>%
   anti_join(df2N) %>% 
   select(names(df1N))
#               names
#1     Sally Williams
#2        John Murray
#3 Marry Kelly Parker

library(stringr)
df1N[!word(df1N$names, 1) %in% df2N$first_names,, drop = FALSE]
#               names
#1     Sally Williams
#4        John Murray
#5 Marry Kelly Parker

df1 <- structure(list(names = c("Sally Williams", "Tom Hacker", "Jane Turner", 
"John Murray")), class = "data.frame", row.names = c("1", "2", 
"3", "4"))

df2 <- structure(list(first_names = c("Kendall", "Tom", "Jane", "Sarah"
)), class = "data.frame", row.names = c("1", "2", "3", "4"))

df1N <- structure(list(names = c("Sally Williams", "Tom Hacker", 
 "Jane Turner", 
"John Murray", "Marry Kelly Parker", "David Carlson Smith")), 
 class = "data.frame", row.names = c("1", 
"2", "3", "4", "5", "6"))

df2N <- structure(list(first_names = c("Kendall", "Tom", "Jane", "Sarah", 
"David")), class = "data.frame", row.names = c("1", "2", "3", 
"4", "5"))