r - 通过 setdiff/intersect 删除/子集 R 中的行

Question

我正在尝试从数据集中删除包含某些植被类型的行。我想从未调查的数据中删除那些在调查数据中未找到植被类型的行。我找到了一种方法来做到这一点，但正在寻找一种单行方法。我目前正在这样做:

> setdiff(unsurveyed_1$VEGETATION, surveyed_1$VEGETATION)

它返回七种植被类型，然后我将其删除:

> unsurveyed_1 <- unsurveyed_1[!unsurveyed_1$VEGETATION == "Acer rubrum- Nyssa sylvatica saturated forest alliance",]
> unsurveyed_1 <- unsurveyed_1[!unsurveyed_1$VEGETATION == "Acer rubrum/Quercus coccinea-Acer rubrum-Vaccinium corybosum-Vaccinium palladium",]
> unsurveyed_1 <- unsurveyed_1[!unsurveyed_1$VEGETATION == "Building",]
> unsurveyed_1 <- unsurveyed_1[!unsurveyed_1$VEGETATION == "Parking Lot",]
> unsurveyed_1 <- unsurveyed_1[!unsurveyed_1$VEGETATION == "Prunus serotina",]
> unsurveyed_1 <- unsurveyed_1[!unsurveyed_1$VEGETATION == "Typha (angustifolia, latifolia) - (Schoenoplectus spp.) Eastern Herbaceous Vegetation",]
> unsurveyed_1 <- unsurveyed_1[!unsurveyed_1$VEGETATION == "Water",]

我尝试了一些不同的选项，包括子集化，但迄今为止收效甚微，认为这将是我最好的选择。我也在寻找与 intersect 类似的东西，但我假设它会有类似的答案。

编辑:除了使用 @Cath 提供的代码之外，我还对其进行了编辑以获得相反的结果。

> unsurveyed_2 <- unsurveyed_2[unsurveyed_2$VEGETATION %in% setdiff(unsurveyed_2$VEGETATION, surveyed_1$VEGETATION), ]

Answer 1

显而易见的是:

ID <- unsurveyed_1$VEGETATION %in% unique(surveyed_1$VEGETATION)
unsurveyed1 <- unsurveyed1[ID,]

您使用逻辑向量ID作为行索引来选择要保留的行。 ID 对于每行都有一个值 TRUE，其中 unsurveyed1$VEGETATION 可以在 surveyed1$VEGETATION 中找到，并且 FALSE 否则。如果您拥有大量数据并且没有太多不同的植被类型，则使用 surveyed1$VEGETATION 中的唯一值只会提高性能。

因此，根本不需要使用 setdiff()，更不需要将每个结果复制到新行中。在使用 R 时，请开始考虑临时对象。这将使您的编程生活变得更加轻松。

编辑:这正是 @Cath 在他/她的一行评论中所做的。

<小时/>

如果您坚持使用setdiff()，那么这将大大减少打字工作:

thediff <- setdiff(unsurveyed_1$VEGETATION, surveyed_1$VEGETATION)
ID <- unsurveyed_1$VEGETATION %in% thediff
unsurveyed1 <- unsurveyed1[!ID,]

请注意，您必须使用 NOT (!) 运算符反转 ID 向量，以删除未调查植被与 thediff 中的值匹配的所有线条.

旁注:setdiff() 和 %in% 的内部代码几乎完全相同。不同之处在于，setdiff() 返回在第二个向量中找不到的实际值，而 %in% 返回一个逻辑向量，表示 FALSE 如果在第二个向量中找不到该值。