在R Studio中提取col1与col3共有值对应col2数据并拆分数据集

需求说明 #

现有包含col1、col2、col3三列的大数据集，需要生成两个子数据集：

• 数据集1：包含col1与col3的共有值，以及对应的col2数据
• 数据集2：包含col1与col3的非共有值，以及对应的col2数据

加载示例数据集 #

首先加载你提供的示例数据集：

# 加载示例数据集
df <- structure(list(col1 = c("F1:19911", "F6:29731", "F2:26353", "F2:11604",
"F1:20748", "F6:25287", "F2:19148", "F4:20479", "F3:19564", "F4:29795",
"F1:32641", "F1:23920", "F2:37051", "F4:31963", "F1:27075", "F1:34085",
"F1:31602", "F2:28123", "F2:28512", "F4:31963", "F6:19142", "F6:21309",
"F2:11153", "F2:20275", "F2:31059", "F2:3199", "F2:31759", "F2:18603",
"F4:21551", "F1:14042", "F2:25183", "F2:15691", "F2:17735", "F3:22580",
"F4:23956", "F3:29087", "F3:2604", "F1:18485"), col2 = c(99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99, 99,
99, 99, 99, 99, 99), col3 = c("F1:45496", "F6:49991", "F1:42766",
"F6:41131", "F1:49777", "F1:48389", "F3:40668", "F1:51123", "F6:49282",
"F6:38250", "F1:59546", "F6:38404", "F1:40600", "F6:25287", "F2:19148",
"F1:31602", "F2:28123", "F1:19911", "F6:45844", "F1:40519", NA,
NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA
)), row.names = c(NA, -38L), class = c("tbl_df", "tbl", "data.frame"))

实现方案（高效适配大数据） #

推荐使用dplyr包处理，语法简洁且效率高，适合大规模数据：

# 如果未安装dplyr先安装
# install.packages("dplyr")
library(dplyr)

# 1. 提取col3中非NA的值，找出col1与col3的共有值
common_values <- intersect(df$col1, na.omit(df$col3))

# 2. 生成共有值数据集（dataset1）
dataset1 <- df %>%
  filter(col1 %in% common_values) %>%
  select(col1, col2)

# 3. 生成非共有值数据集（dataset2）
dataset2 <- df %>%
  filter(!(col1 %in% common_values)) %>%
  select(col1, col2)

结果示例 #

运行上述代码后，你会得到：

dataset1（共有值数据集）

dataset2（非共有值数据集）

内容的提问来源于stack exchange，提问作者Bhagyashree Swarge