R语言中dplyr::setdiff函数输出异常问题排查

首先要明确：你的代码本身没有语法错误，setdiff(t2, t1)返回的结果是符合这个函数的设计逻辑的——问题出在你对dplyr::setdiff的功能理解上。

为什么会得到这个输出？ #

dplyr::setdiff() 处理数据框时，是基于整行完全匹配来计算差异的：它会返回所有在第一个输入数据框（这里是t2）中存在，但在第二个数据框（t1）中完全不存在的整行记录。

看你的实际数据：

• t1的行是 (1,1)、(2,2)、(3,3)
• t2的行是 (1,0)、(2,1)、(3,2)

t2里的每一行在t1中都找不到完全相同的匹配项，所以函数会返回t2的全部内容，这是它的正常输出。

如何得到你想要的结果？ #

你需要先明确自己的真实需求，这里提供几种常见场景的解决方案：

场景1：对比相同C1值对应的C2差异

如果你想找出t2中与t1同C1但C2不同的行，可以用left_join合并后筛选：

library(dplyr)

left_join(t2, t1, by = "C1", suffix = c("_t2", "_t1")) %>%
  filter(C2_t2 != C2_t1)

输出会是t2的全部三行（因为每一行的C2都和t1对应值不同）。

场景2：找出所有t2有但t1没有的单个元素

如果想要忽略行结构，找出t2中存在但t1中没有的元素，可以把数据框转为向量后使用setdiff：

setdiff(unlist(t2), unlist(t1))
# 输出：[1] 0

因为只有0这个元素在t1中不存在。

场景3：找出t2中存在但t1中没有的行（基于指定列匹配）

如果想以C1为匹配键，找出t2中t1没有的行（比如t2有额外的C1值），可以用anti_join：

# 给t2加一行示例数据
t2_extra <- bind_rows(t2, data.frame(C1 = 4, C2 = 5))
anti_join(t2_extra, t1, by = "C1")

输出会是C1=4, C2=5这一行。

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