r - 具有重复值的两个向量之间的“Set Difference”

Question

我有3个向量

x <- c(1,3,5,7,3,8)
y <- c(3,5,7)
z <- c(3,3,8)

我想找到不在 x和不在 y中的 z元素。是否有一个 f函数可以给我以下输出:

> f(x,y)
1 3 8
> f(x,z)
1 5 7

换句话说，我想找到两个向量之间的“集差”，其中两个向量可能都有重复的值。由于明显的原因，在这种情况下，函数 %in%， match和 setdiff不起作用。

Answer 1

应该有一些更好的方法可以做到这一点，但这是一种选择

get_diff_vectors <- function(x, y) {
  count_x <- table(x)
  count_y <- table(y)
  same_counts <- match(names(count_y), names(count_x))
  count_x[same_counts] <- count_x[same_counts] - count_y
  as.numeric(rep(names(count_x), count_x))
}

get_diff_vectors(x, y)
#[1] 1 3 8
get_diff_vectors(x, z)
#[1] 1 5 7
get_diff_vectors(x, c(5, 7))
#[1] 1 3 3 8

我们使用 x对 y和 table的频率进行计数， match两者中出现的数字，然后从 y中减去 x的计数。最后，使用 rep重新创建剩余的向量。

仍然找不到更好的方法，但是这里是使用有点相似的逻辑的 dplyr方法。

library(dplyr)

get_diff_vectors_dplyr <- function(x, y) {
  df1 <- data.frame(x) %>% count(x)
  df2 <- data.frame(y) %>% count(y)
  final <- left_join(df1, df2, by = c("x" = "y")) %>%
           mutate_at(c("n.x", "n.y"), funs(replace(., is.na(.), 0))) %>%
           mutate(n = n.x - n.y)

  rep(final$x, final$n)
}

get_diff_vectors_dplyr(x, y)
#[1] 1 3 8
get_diff_vectors_dplyr(x, z)
#[1] 1 5 7
get_diff_vectors_dplyr(x, c(5, 7))
#[1] 1 3 3 8

OP提到的 vecsets包具有 vsetdiff函数，可以很容易地做到这一点

vecsets::vsetdiff(x, y)
#[1] 1 3 8
vecsets::vsetdiff(x, z)
#[1] 1 5 7
vecsets::vsetdiff(x, c(5, 7))
#[1] 1 3 3 8