用tidyverse管道提取df1独有的去重Sample.ID时遇列选择错误

需求 #

提取仅存在于df1中的Sample.ID，先去除重复值，要求用tidyverse的管道操作实现。

错误尝试及报错 #

尝试了以下两种写法均报错：

df1 %>% distinct(Sample.ID, .keep_all = TRUE) %>%
  df1$Sample.ID[!df1$Sample.ID %in% df2$Sample.ID]

df1 %>% distinct(Sample.ID, .keep_all = TRUE) %>%
  df1$Sample.ID[!df1$Sample.ID %in% df2$Sample.ID,]

错误信息：

Error in `[.data.frame`(., df1$Sample.ID, !df1$Sample.ID %in% df2$Sample.ID) : undefined columns selected

示例数据 #

df1 <- data.frame(Sample.ID=c("H22","H33","H44", "H55","H22","H33","H44", "H55"),
                  sample.no=c(1,3,3,4,2,5,6,7))
df2 <- data.frame(Sample.ID=c("H33","H55"), pane=c(5,6))

（注：修正了原示例中df1最后一个H55缺失引号的问题，补充了sample.no的完整数据）

期望结果 #

Sample.ID
1       H22
2       H44

正确管道写法 #

方法1：distinct() + filter() #

利用管道传递的当前数据框，直接针对Sample.ID列筛选：

df1 %>% 
  distinct(Sample.ID) %>%  # 去重，仅保留Sample.ID列
  filter(!Sample.ID %in% df2$Sample.ID)  # 筛选不在df2中的ID

方法2：distinct() + anti_join()（更符合tidyverse风格） #

anti_join()专门用于筛选在第一个数据框中存在、但第二个数据框中不存在的行：

df1 %>% 
  distinct(Sample.ID) %>% 
  anti_join(df2, by = "Sample.ID")

错误原因说明 #

之前的写法错误在于：管道操作中%>%传递的是前一步处理后的数据框对象，而非原始的df1。直接在管道中使用df1$Sample.ID会绕过管道传递的数据，导致索引操作混乱，进而触发列未定义的错误。

内容的提问来源于stack exchange，提问作者Ana