R语言集合操作

数据分析时可能会遇到这样的问题：

1. 我有两个样本，分别得到了各自中关键基因，现在想找出两者共有的关键信息或者两者之间差异的部分，如果有成千上万个怎么实现呢？
2. 我有两个表格，想找出里面重复出现的行和只在第二个表出现的行，如何实现表格的交并补集合操作呢？

本篇笔记简述tidyverse系列中dplyr包的集合操作过程，实现对列表和数据框的交并补集合运算。

首先载入R包tidyverse：

> library(tidyverse)

列表的集合操作

创建两个变量

> ### 列表的集合操作 ======================================================================
> data_1 <- c(1,2,3,4,5,6,7,8,9)
> data_2 <- c(4,5,5,6,7,11,12,12,13)

集合运算

• intersect：寻找两个对象的交集
• union：用于合并两个对象的数据
• setdiff：用于查找在第一个对象中但不在第二个对象中的元素

> # 交集：得出同时存在于两个列表的值
> out_jiao <- intersect(data_1,data_2)
> # 并集：得出两个列表中所有值的集合
> out_bing <- union(data_1,data_2)
> # 补集：得出存在于前一个列表但是不存在于后一个列表的值
> out_bu <- setdiff(data_1,data_2)

以上是对两个集合进行交并补操作，如果是数据框、矩阵或者字符串，也可以用相同的方法进行操作，下面进行示例

多维数据的集合操作

创建两个数据框

> ### 数据框的集合操作 ======================================================================
> df_1 <- tribble(
+   ~x , ~y , ~z ,
+   1  , "a", T  ,
+   1  , "a", F  ,
+   2  , "b", T  ,
+   3  , "c", F  )
> df_2 <- tribble(
+   ~x , ~y , ~z ,
+   1  , "a", F  ,
+   2  , "m", F  ,
+   4  , "c", T  )

• df_1

• df_2

交集操作

> # 交集：得到两个数据框中一致的行
> intersect(df_1,df_2)
# A tibble: 1 × 3
      x y     z    
  <dbl> <chr> <lgl>
1     1 a     FALSE

并集操作

> # 并集：得到两个数据框中所有的唯一行
> union(df_1,df_2)
# A tibble: 6 × 3
      x y     z    
  <dbl> <chr> <lgl>
1     1 a     TRUE 
2     1 a     FALSE
3     2 b     TRUE 
4     3 c     FALSE
5     2 m     FALSE
6     4 c     TRUE 

补集操作

> # 补集：得到只存在于第一个数据框中的行
> setdiff(df_1,df_2)
# A tibble: 3 × 3
      x y     z    
  <dbl> <chr> <lgl>
1     1 a     TRUE 
2     2 b     TRUE 
3     3 c     FALSE

---

tidyverse yyds！