如何在R中实现左/右排除连接及带双列返回的左连接？

先把我们要用的数据集定义好，方便后续演示：

A <- data.frame(A = c("Amsterdam", "Copenhagen", "LA", "Lisbon", "London", "Madrid", "New York", "Paris", "Rome", "Stockholm"),
                stringsAsFactors = FALSE)
B <- data.frame(B = c("Amsterdam", "Buenos Aires", "Copenhagen", "LA", "London", "Sydney", "Tokyo"),
                stringsAsFactors = FALSE)

1. 等价于SQL左排除连接的R实现（仅存在于A的城市） #

你提到的SQL左排除连接，目的是获取只在A里存在、不在B里出现的记录。在R里有两种常用方法：

方法一：Base R的merge()函数 #

利用merge的all.x = TRUE先做左连接，再筛选出B列（匹配列）为NA的行：

# 先做左连接
left_join_result <- merge(A, B, by.x = "A", by.y = "B", all.x = TRUE)
# 筛选B列是NA的行（即仅在A存在的记录）
only_in_A <- left_join_result[is.na(left_join_result$B), "A", drop = FALSE]

运行后only_in_A就是你要的Lisbon、Madrid、New York、Paris、Rome、Stockholm这些城市。

方法二：Tidyverse的dplyr::anti_join() #

如果用dplyr包，anti_join()就是专门干这个的——返回在第一个数据框里但不在第二个里的记录，完全等价于你的SQL左排除连接：

library(dplyr)
only_in_A <- anti_join(A, B, by = c("A" = "B"))

这个写法更简洁，可读性也强。

2. 获取仅存在于B的城市列表 #

和上面的逻辑反过来就行：

Base R方法 #

先做右连接，再筛选A列为NA的行：

right_join_result <- merge(A, B, by.x = "A", by.y = "B", all.y = TRUE)
only_in_B <- right_join_result[is.na(right_join_result$A), "B", drop = FALSE]

dplyr方法 #

用anti_join交换两个数据框的顺序：

only_in_B <- anti_join(B, A, by = c("B" = "A"))

结果就是Buenos Aires、Sydney、Tokyo这些城市。

3. 左连接后返回包含A和B列的结果 #

你说用merge(A, B, by.x = "A", by.y = "B", all.x = T)只得到A列？这应该是个小误会，我测试了一下，这个代码本来就会返回两列：A列是所有A里的城市，B列是匹配到的城市，没匹配到的显示NA。

你可以再运行一遍这段代码，然后打印left_join_result看看：

left_join_result <- merge(A, B, by.x = "A", by.y = "B", all.x = TRUE)
print(left_join_result)

输出应该是这样的：

A        B
1   Amsterdam Amsterdam
2  Copenhagen Copenhagen
3          LA        LA
4      Lisbon       <NA>
5      London     London
6      Madrid       <NA>
7    New York       <NA>
8       Paris       <NA>
9        Rome       <NA>
10  Stockholm       <NA>

如果你的结果真的只有A列，可能是之前的代码里不小心加了drop = TRUE或者其他筛选条件？可以检查一下代码哦。

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