R语言如何提取仅存于DF1、不与DF2重叠的基因生成新数据框

你当前使用的rbind拼接再用duplicated筛选的方案逻辑冗余，且容易因为逻辑运算符写反得到错误结果（你当前给出的示例代码实际会保留两个表所有基因，而非仅DF1独有），推荐两种更优、逻辑直接匹配需求的实现：

方法1：基础R %in% 运算符实现（无额外依赖） #

直接筛选DF1中不存在于DF2的行，逻辑直观，性能更高，不需要做数据框拼接操作：

# 假设两个数据框的基因列名均为gene，若列名不同可替换为对应列名，或取第一列用[,1]指代
DF3 <- DF1[!DF1$gene %in% DF2$gene, , drop = FALSE]

方法2：dplyr anti_join 反连接实现（可读性最优） #

anti_join是专门用于返回左表中未匹配到右表的行的集合操作函数，代码可读性极强，适合tidyverse技术栈场景：

# 先加载dplyr包
library(dplyr)
# by参数指定匹配的列名，若两个表基因列名不同可写为by = c("DF1列名" = "DF2列名")
DF3 <- anti_join(DF1, DF2, by = "gene")

两种方案都避免了合并两个数据框的额外开销，逻辑完全匹配「提取仅DF1存在的基因」的需求，数据量越大性能优势越明显。

内容的提问来源于stack exchange，提问作者Mustafa Mehkary