Как определить уникальные идентификаторы и перекрытие двух наборов данных в R

Я работаю с двумя наборами данных (набор данных1 и набор данных2), каждый из которых состоит из множества электронных писем клиентов. Я хотел бы сопоставить, чтобы определить, какие электронные письма уникальны в каждом наборе данных, а какие «перекрываются» (которые наблюдаются в обоих наборах данных). Я хотел бы получить 3 набора данных:

  • один с адресами электронной почты, уникальными для набора данных1
  • один с адресами электронной почты, уникальными для набора данных2
  • один с электронными письмами, которые наблюдаются как в наборе данных1, так и в наборе данных2 (перекрываются)

Вот пример воспроизводимости:

dataset1 <- data.frame(email = c("A", "B", "C", "D", "E" ))
dataset2 <- data.frame(email = c("X", "Y", "Z", "D", "E" ))

Результат должен быть:

  • result1 состоит из писем "A", "B", "C"
  • результат2 состоит из электронной почты "X", "Y", "Z"
  • результат3 состоит из электронной почты "D", "E"

Спасибо!

Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
1
0
566
3
Перейти к ответу Данный вопрос помечен как решенный

Ответы 3

Ответ принят как подходящий

Вы можете использовать %in%:

result1 <- subset(dataset1, !email %in% dataset2$email)
result1

#  email
#1     A
#2     B
#3     C

result2 <- subset(dataset2, !email %in% dataset1$email)
result2

#  email
#1     X
#2     Y
#3     Z

result3 <- subset(dataset1, email %in% dataset2$email)
result3

#  email
#4     D
#5     E

Также можно использовать фильтрацию объединений из tidyverse.

library(tidyverse)

dataset1 <- data.frame(email = c("A", "B", "C", "D", "E" ))
dataset2 <- data.frame(email = c("X", "Y", "Z", "D", "E" ))



anti_join(dataset1, dataset2)


anti_join(dataset2, dataset1)


semi_join(dataset1, dataset2)

Вы можете использовать setdiff для получения разницы и intersect для пересечения наборов данных:

setdiff(dataset1$email, dataset2$email)
#[1] "A" "B" "C"
setdiff(dataset2$email, dataset1$email)
#[1] "X" "Y" "Z"
intersect(dataset1$email, dataset2$email)
#[1] "D" "E"

Другие вопросы по теме