R语言如何统计两列中均未出现的Contig_id的数量

核心逻辑是通过集合运算快速求差集，不用逐一遍历判断，执行效率更高。 #

Python 实现 #

import pandas as pd

# 1. 生成0到1193的所有目标contig集合
all_contig = set(f"Contig_{i}" for i in range(1194))
# 2. 提取Contig_A、Contig_B两列所有去重后的已出现contig
exist_contig = set(pd.concat([df["Contig_A"], df["Contig_B"]]).unique())
# 3. 计算差集长度就是未出现的id总数
missing_num = len(all_contig - exist_contig)
# 也可以直接获取所有未出现的id列表
missing_ids = list(all_contig - exist_contig)

你给出的示例场景下把range(1194)改成range(10)，运行得到的结果就是4，和示例说明一致。 #

R 实现 #

# 1. 生成0到1193的所有目标contig
all_contig <- paste0("Contig_", 0:1193)
# 2. 提取两列所有去重后的已出现contig
exist_contig <- unique(c(df$Contig_A, df$Contig_B))
# 3. 计算差集长度得到结果
missing_num <- length(setdiff(all_contig, exist_contig))
# 获取未出现的id列表
missing_ids <- setdiff(all_contig, exist_contig)

内容的提问来源于stack exchange，提问作者Abby