如何判断数据框列值是否存在于另一列并筛选非匹配值

一、统计重叠数据量 #

向量场景 #

对于给定的向量，先通过intersect()获取交集，再用length()统计数量：

a = c("q","w","e","r","t","y","u","i","o")
b = c("o","u","y","t","r","e","w","q","a")
# 计算重叠元素的数量
overlap_num = length(intersect(a, b))
print(overlap_num) # 输出：8

数据框场景 #

假设你有两个数据框df1和df2，要统计df1$column与df2$column的重叠情况：

# 统计不重复的重叠值数量
unique_overlap_num = length(intersect(df1$column, df2$column))
# 统计包含重复值的重叠行数
total_overlap_rows = sum(df1$column %in% df2$column)

二、筛选并标识df1中存在于df2的元素 #

使用%in%运算符生成逻辑标记，可用于新增列或筛选行：

# 给df1添加标记列，标识对应值是否存在于df2$column中
df1$exists_in_df2 = df1$column %in% df2$column
# 筛选出df1中column值存在于df2$column的所有行
filtered_df = df1[df1$column %in% df2$column, ]

三、找出向量中独有的元素 #

针对你给出的示例，要得到a中不存在于b的元素（对应你期望的输出"i"），用setdiff()函数：

# 找出a中有但b中没有的元素
setdiff(a, b) # 输出："i"
# 如果需要找出b中有但a中没有的元素
setdiff(b, a) # 输出："a"

内容的提问来源于stack exchange，提问作者lasagna