如何在dplyr中排除指定列进行连接操作？

问题场景 #

有两个列结构完全相同的数据集，需要基于除z和a之外的所有列执行anti-join操作，但直接使用join_by(-c(z, a))会报错：

library(dplyr)
df1 <- tibble(x = c("A", "B", "C"), y = c("X", "Y", "Z"), z = c(1, 2, 3),
              a = c(4, 5, 6))

df2 <- tibble(x = c("A", "D", "E"), y = c("X", "W", "R"), z = c(1, 5, 6),
              a = c(4, 7, 8))

df2 %>% anti_join(df1, join_by(-c(z, a)))
#> Error in `join_by()`:
#> ! Expressions must use one of: `==`, `>=`, `>`, `<=`, `<`, `closest()`,
#>   `between()`, `overlaps()`, or `within()`.
#> ℹ Expression 1 is `-c(z, a)`.

解决方案 #

方法1：生成目标列名向量传给by参数 #

join_by不支持直接的tidy-select语法，但可以先通过tidyselect逻辑获取需要连接的列名，再传给anti_join的by参数：

# 获取除z、a外的所有列名
join_cols <- df1 %>% select(-z, -a) %>% names()
# 或者用setdiff：join_cols <- setdiff(names(df1), c("z", "a"))

df2 %>% anti_join(df1, by = join_cols)

运行结果：

# A tibble: 2 × 4
  x     y         z     a
  <chr> <chr> <dbl> <dbl>
1 D     W         5     7
2 E     R         6     8

方法2：在join_by中结合across（dplyr 1.1.0+） #

如果偏好使用join_by语法，可以结合across实现tidy-select的列排除逻辑：

df2 %>% anti_join(df1, join_by(across(-c(z, a))))

该写法直接在join_by内通过across(-c(z, a))指定连接列，无需单独生成列名向量，代码更简洁。

说明 #

• join_by本身不支持直接的-c(col1, col2)这类排除语法，但across可以在join_by中兼容tidy-select规则，实现列选择/排除。
• 两种方法都能实现“基于除指定列外的所有列做anti-join”的需求，可根据个人习惯选择。

内容的提问来源于stack exchange，提问作者Alberto Agudo Dominguez