如何找出两个data.table数据集中仅出现一次的行？

我有如下数据：

library(data.table)
datA <- fread("A B C
               1 1 1
               2 2 2")

datB <- fread("A B C
               1 1 1
               2 2 2
               3 3 3")

我想要找出仅出现一次的行（也就是3 3 3这一行，因为其他行都出现了多次）。

我试了下面几种方法：

dat <- rbind(datA, datB)
unique(dat)
!duplicated(dat)

还试了这个：

setDT(dat)[,if(.N ==1) .SD,]

但结果返回的是NULL，请问正确的实现方式是什么？

你之前的setDT(dat)[,if(.N ==1) .SD,]返回NULL，是因为没有指定分组依据——默认情况下整个数据表是一个分组，.N等于总行数5，显然不等于1，所以返回空值。要实现需求，必须按所有列的组合分组，统计每组的出现次数，再筛选出仅出现一次的组。

这里提供两种简洁的实现方式：

方式一：明确指定分组列 #

dat <- rbind(datA, datB)
# 先统计每组行数，再筛选行数为1的行并移除计数列N
setDT(dat)[, .N, by = .(A,B,C)][N == 1, !"N"]

# 或者直接在分组后返回目标行
setDT(dat)[, if(.N == 1) .SD, by = .(A,B,C)]

方式二：自动获取所有列作为分组键（适合列数多的场景） #

如果数据表列数很多，手动写所有列名太麻烦，可以用names(dat)自动获取全部列名作为分组依据：

dat <- rbind(datA, datB)
setDT(dat)[, if(.N == 1) .SD, by = names(dat)]

另外补充说明下你之前尝试的方法为什么不符合需求：

• unique(dat)只会返回所有不重复的行，但无法区分这些行是出现一次还是多次；
• !duplicated(dat)仅标记每行第一次出现的位置，同样不能筛选出仅出现一次的行。

内容的提问来源于stack exchange，提问作者Tom