排除R中第二个数据帧中存在的行

Question

我有两个数据帧。

df1-

col1 col2 col3 col4 col5名称1 A 23 x y名称1 A 29 x y名称1 B 17 x y名称1 A 77 x y

df2-

col1 col2 col3B 17 LL1Z 193 KK177 LO9Y 80 LK2

如果df1的col2和col3不等于df2的col1和col2，我想从df1返回那些行。

输出应为-

col1 col2 col3 col4 col5名称1 A 23 x y名称1 A 29 x y

我找到的解决方案-

unique.rows <- function (df1, df2) {   
  out <- NULL
  for (i in 1:nrow(df1)) {
    found <- FALSE
    for (j in 1:nrow(df2)) {
      if (all(df1[i,2:3] == df2[j,1:2])) {
        found <- TRUE
        break
      }
    }
    if (!found) out <- rbind(out, df1[i,])
  }
  out
}

这个解决方案运行良好，但最初，我申请的是小数据帧。现在我的df1大约有10k行，df2大约有700万行。从过去两天开始，它一直在运行。有人能建议一个快速的方法吗？

Answer 1

尝试

> df1[!paste(df1$col2,df1$col3)%in%paste(df2$col1,df2$col2),]
   col1 col2 col3 col4 col5
1 name1    A   23    x    y
2 name1    A   29    x    y

Answer 2

可能让你头疼的是：

if (!found) out <- rbind(out, df1[i,])

您不断增长data.frame，这会导致操作系统为对象分配新的内存。我建议您预先分配一个有足够空间的data.frame，然后将正确的输出分配给正确的索引。这将使事情加速几个数量级。

此外，R经常被矢量化，因此不需要显式循环。例如，请参阅@ttmaccer的答案。你也可以看看data.table，它对于这类操作来说是闪电般的快。