R语言如何提取数据框列唯一值并剔除指定向量中的元素

需求 #

提取数据框area_df中all_areas列的唯一值，剔除向量area1、area2中包含的所有取值，最终预期返回结果为"town"、"city"、"village"。

预置测试代码 #

set.seed(1)
area_df = data.frame(all_areas = sample(rep(c("foo", "bar", "big", "small", "town", "city", "village"),5),20),
                    number =  sample(1:100, 20))

area1 = c("foo", "bar")
area2 = c("big", "small")

实现方式 #

方法1：Base R 原生实现（无需依赖第三方包） #

直接用unique()取目标列的唯一值，再用setdiff()和待排除值集合做差集即可：

# 合并所有待排除的取值
exclude_set <- c(area1, area2)
# 计算差集得到结果
result <- setdiff(unique(area_df$all_areas), exclude_set)

运行后输出result即可得到预期结果：

> result
[1] "town"    "city"    "village"

方法2：dplyr 语法实现 #

如果日常使用tidyverse生态的工具链，可以用以下写法，返回结果完全一致：

library(dplyr)
result <- area_df %>%
  distinct(all_areas) %>%
  filter(!all_areas %in% c(area1, area2)) %>%
  pull(all_areas)

内容的提问来源于stack exchange，提问作者Mark Davies