R中的非匹配的提取列表

Question

所以我有兩個數據框，它們都有一列表示與DNA序列相連的ID號，另一列有DNA序列。我的兩個數據幀是原始數據，或者是已經過濾的數據，只包含原始數據的一個子集。我現在感興趣的是在原始數據框中生成一個.csv的所有序列，它們與過濾數據框中的內容不匹配。

因此，作爲目標的一個例子，我會在這裏定義一對dataframes有兩列（col1和COL2）：

col1a<-c(1,2,3,4,5,6) 
col2a<-c("a","t","a","t","a","g") 
col1b<-c(1,3,5,6) 
col2b<-c("a","a","a","g") 
df1<-data.frame(col1a,col2a) 
df2<-data.frame(col1b,col2b) 

我的輸出要成爲第三數據框（DF3）：

col1c <- c(2,4) 
col2c <- c("t","t") 
df3 <- data.frame(col1c,col2c) 

我知道我可以在％中使用％。我可以遠遠得到這樣的：

IN <- sum(df1$col1a %in% df2$col1b) #Output = 4 
NOTIN <- sum(!df1$col1a %in% df2$col1b) #Output = 2 

所以現在我正在尋找一種方式來輸出從「NOTIN」，使得它們可以寫成一個表中提到的行。我想生成我之前稱爲df3的示例數據框，作爲我的輸出。

任何幫助或建議，我們非常感激:)

Answer 1

如果DF1包含DF2所有條目，它是那樣簡單

df1[!df1$col1a %in% df2$col1b, ] 

Answer 2

您可以使用anti_join：

library(dplyr) 
anti_join(df1, df2, by = c("col1a" = "col1b")) 

Answer 3

您也可以在data.table中執行此操作：

library(data.table) 
df1 <- data.table(df1, key = col1a) 
df2 <- data.table(df2, key = col1b) 
df1[!df2] 

隨着1.9.5版本（在GithHub，而不是在CRAN還），你可以使用，而不是設置一個關鍵on =語法：

df1[!df2, on = c(col1a = "col1b")]