如何在R中找到2个数据帧的公共行（考虑反之亦然格式）
我想找到2个数据帧之间的公共行。要查找公共行，可以使用如何在R中找到2个数据帧的公共行（考虑反之亦然格式）,r,dataframe,R,Dataframe,我想找到2个数据帧之间的公共行。要查找公共行，可以使用internal\u join（）、semi\u join（）和merge（）。我已经通过了不同的职位，包括。但是，这些行动并没有达到我的目的。因为我的数据框中的数据有点不同 有时，数据帧中的数据可以是相反的。与数据帧1和数据帧2的第3行和第5行类似。数据帧1包含A3 A3 0.75，但数据帧2包含A3 A3 0.75。我想把这两行当作同一行 我的第一个数据帧看起来像 query target weight 1 A1 A2
internal\u join（）、semi\u join（）merge（）A3 A3 0.75A3 A3 0.75 query target weight
1 A1 A2 0.60
2 A2 A5 0.50
3 A3 A1 0.75
4 A4 A5 0.88
5 A5 A3 0.99
6 (+)-1(10),4-Cadinadiene Falcarinone-10 0.09
7 Leucodelphinidin-100 (+)-1(10),4-Cadinadiene 0.876
8 Lignin (2E,7R,11R)-2-Phyten-1-ol 0.778
9 (2E,7R,11R)-2-Phyten-1-ol Leucodelphinidin 0.55
10 Falcarinone Lignin 1
11 A1 (+)-1(10),4-Cadinadiene 1
12 A2 Lignin-10 1
13 A3 (2E,7R,11R)-2-Phyten-1-ol 1
14 Falcarinone A6 1
15 A4 Leucodelphinidin 1
16 A4 Leucodelphinidin 1
17 Falcarinone A100 1
18 A4 Falcarinone 1
query target
1 A1 A2
2 A2 A5
3 A1 A3 // Missing in the output
4 A4 A5
5 A3 A5 // Missing in the output
6 A3 (2E,7R,11R)-2-Phyten-1-ol
7 (+)-1(10),4-Cadinadiene Falcarinone
8 Leucodelphinidin (+)-1(10),4-Cadinadiene-100
9 Lignin-2 (2E,7R,11R)-2-Phyten-1-ol
10 A11 (+)-1(10),4-Cadinadiene
11 A2 Lignin
12 A3 (2E,7R,11R)-2-Phyten-1-0l
13 Falcarinone A60
14 A4 Leucodelphinidin // Missing in the output
query target weight
1 A1 A2 0.60
2 A2 A5 0.50
3 A3 A1 0.75
4 A4 A5 0.88
5 A5 A3 0.99
6 (+)-1(10),4-Cadinadiene Falcarinone-10 0.09
7 Leucodelphinidin-100 (+)-1(10),4-Cadinadiene 0.876
8 Lignin (2E,7R,11R)-2-Phyten-1-ol 0.778
9 (2E,7R,11R)-2-Phyten-1-ol Leucodelphinidin 0.55
10 Falcarinone Lignin 1
11 A1 (+)-1(10),4-Cadinadiene 1
12 A2 Lignin-10 1
13 A3 (2E,7R,11R)-2-Phyten-1-ol 1
14 Falcarinone A6 1
15 A4 Leucodelphinidin 1
16 A4 Leucodelphinidin 1
17 Falcarinone A100 1
18 A4 Falcarinone 1
query target
1 A1 A2
2 A2 A5
3 A1 A3 // Missing in the output
4 A4 A5
5 A3 A5 // Missing in the output
6 A3 (2E,7R,11R)-2-Phyten-1-ol
7 (+)-1(10),4-Cadinadiene Falcarinone
8 Leucodelphinidin (+)-1(10),4-Cadinadiene-100
9 Lignin-2 (2E,7R,11R)-2-Phyten-1-ol
10 A11 (+)-1(10),4-Cadinadiene
11 A2 Lignin
12 A3 (2E,7R,11R)-2-Phyten-1-0l
13 Falcarinone A60
14 A4 Leucodelphinidin // Missing in the output
输出可能可以尝试：
output <- merge(df_1, df_2, all=T)
然后可以保留为FALSE的行
output[which(same.rows==F),]
query target weight
1 A1 A2 0.60
2 A1 A3 0.75
3 A2 A5 0.50
5 A3 A5 0.99
6 A4 A5 0.88
这有意义吗？您可以编写一个小函数，对两个数据帧的前两列的行进行排序，然后合并它们
sc <- function(x, i) setNames(cbind(data.frame(t(apply(x[i], 1, sort))), x[-i]), names(x))
res <- merge(sc(df_1, 1:2), sc(df_2, 1:2))
res[!duplicated(res), ] ## remove duplicates
# query target weight
# 1 (+)-1(10),4-Cadinadiene Falcarinone 0.09
# 2 A1 A2 0.60
# 3 A1 A3 0.75
# 4 A2 A5 0.50
# 5 A2 Lignin 1.00
# 6 A3 A5 0.99
# 7 A4 A5 0.88
# 8 A4 Leucodelphinidin 1.00
# 10 A6 Falcarinone 1.00
要返回“data.frame”
s，只需执行例如setDF（res）
您的预期输出是否与df_1
相同？@MarBlo yes。谢谢你的评论。在使用了相同的数据帧之后，我似乎感到困惑。但是，现在我在数据帧中进行了更改。请现在看一下并给出你的建议。非常感谢。但是，你的代码对我不起作用。这其实是我的错。因为我的实际数据帧包含不同类型的数据，我在上一篇文章中给出了一小部分（更具体地说）类似类型的数据。但是，现在请看一下并给出您的建议。您好，代码示例似乎仍然不完整。我给出的解决方案仍然可以很好地工作，我得到了一组标志FALSE-FALSE-FALSE
，也就是说，它标识了两个相似的行：（A1，A3，075）和（A3，A5，0.99）。可能提供更长的darta样品？请现在检查。我已经更新了数据帧并通知我。在问题中给出的数据帧中应用您的代码后，我只得到1个输出（+）-1（10），4-Cadinadiene Falcarinone 0.09
，这是否意味着，df_1包含3列
，df_2包含2列
，这就是代码工作不完美的原因？非常感谢。您的代码对于文章中给出的演示数据非常有效。但当我将其用于实际数据时，它显示了错误：无法分配大小为49.8GB的向量。但是，df_1的大小为1272464字节、65893个对象和3个变量
，df_2的大小为3507976字节、202732个对象和2个变量
。我不确定这两个小df是如何制作的94.8GB
。你能给我一些建议吗？对象操作通常会复制对象，也就是说，在操作对象A时，比如说按行操作，首先会创建一个新的空对象B，然后逐行填充。因此，内存大小已经翻了一番。现在计算一下在函数sc（）
中进行的操作，您就知道发生了什么。您可以尝试首先在两个数据帧上使用sc（）
，从工作区中删除dfu 1/2
，然后将它们放入merge
。或者，您可以寻找一种不制作副本的解决方案。我尝试使用df_1和df_2的sc（）
函数。这个功能运行得很好。然后我从工作区中删除了所有对象。最后，应用了merge
函数，得到了相同的错误。倒霉@Akib62我提出了一个data.table解决方案，请参见编辑。我很好奇，它对你有用吗？vecseq（f_uuuuuuuu，len_uuuuuu，if（allow.cartesian | | | | notjoin | | |！anyDuplicated（f_uuuuuuuu，：Join结果为2880332行；超过255736=nrow（x）+nrow（I）.检查i中是否存在重复的键值，每个键值都会一次又一次地加入x中的同一个组。如果没有问题，请尝试by=.EACHI为每个组运行j以避免较大的分配。如果确实要继续，请使用allow.cartesian=TRUE重新运行。否则，请在常见问题解答、Wiki、堆栈溢出和data.table中搜索此错误消息问题追踪器以获取建议。
same.rows <- duplicated(t(apply(output, 1, sort)))
FALSE FALSE FALSE TRUE FALSE FALSE TRUE
output[which(same.rows==F),]
query target weight
1 A1 A2 0.60
2 A1 A3 0.75
3 A2 A5 0.50
5 A3 A5 0.99
6 A4 A5 0.88
sc <- function(x, i) setNames(cbind(data.frame(t(apply(x[i], 1, sort))), x[-i]), names(x))
res <- merge(sc(df_1, 1:2), sc(df_2, 1:2))
res[!duplicated(res), ] ## remove duplicates
# query target weight
# 1 (+)-1(10),4-Cadinadiene Falcarinone 0.09
# 2 A1 A2 0.60
# 3 A1 A3 0.75
# 4 A2 A5 0.50
# 5 A2 Lignin 1.00
# 6 A3 A5 0.99
# 7 A4 A5 0.88
# 8 A4 Leucodelphinidin 1.00
# 10 A6 Falcarinone 1.00
library(data.table)
setDT(df_1)[,c("query", "target") := list(pmin(query,target), pmax(query,target))]
setDT(df_2)[,c("query", "target") := list(pmin(query,target), pmax(query,target))]
res <- merge(df_1[!duplicated(df_1),], df_2, allow.cartesian=TRUE)
res
# query target weight
# 1: (+)-1(10),4-Cadinadiene Falcarinone 0.09
# 2: A1 A2 0.60
# 3: A1 A3 0.75
# 4: A2 A5 0.50
# 5: A2 Lignin 1.00
# 6: A3 A5 0.99
# 7: A4 A5 0.88
# 8: A4 Leucodelphinidin 1.00
# 9: A6 Falcarinone 1.00