R：如何高效地判断data.frame A是否包含在data.frame B中？

为了查明数据框是否df.a是数据框的子集df.b我做了以下事情：

df.a <- data.frame( x=1:5, y=6:10 )
df.b <- data.frame( x=1:7, y=6:12 )
inds.x <- as.integer( lapply( df.a$x, function(x) which(df.b$x == x) ))
inds.y <- as.integer( lapply( df.a$y, function(y) which(df.b$y == y) ))
identical( inds.x, inds.y )

最后一行给出了TRUE, hence df.a包含在df.b.

现在我想知道是否有一种更优雅 - 并且可能更有效 - 的方法来回答这个问题？

此任务还可以轻松扩展以查找两个给定数据帧之间的交集，可能仅基于列的子集。

非常感谢您的帮助。

我将冒险猜测一个答案。

I think semi_join from dplyr会做你想做的事，甚至考虑到重复的行。

首先注意帮助文件?semi_join:

返回 x 中 y 中存在匹配值的所有行，仅保留 x 中的列。

半连接与内连接不同，因为内连接 join 将为 y 的每个匹配行返回一行 x， 半连接将在哪里 绝不重复 x 的行。

好的，这表明以下操作应该正确失败：

df.a <- data.frame( x=c(1:5,1), y=c(6:10,6) )
df.b <- data.frame( x=1:7, y=6:12 )
identical(semi_join(df.b, df.a),  semi_join(df.a, df.a))

这使FALSE，正如预期的那样

> semi_join(df.b, df.a)
Joining by: c("x", "y")
  x  y
1 1  6
2 2  7
3 3  8
4 4  9
5 5 10

但是，以下内容应该通过：

df.c <- data.frame( x=c(1:7, 1), y= c(6:12, 6) )
identical(semi_join(df.c, df.a), semi_join(df.a, df.a))

确实如此，给予TRUE.

第二semi_join(df.a, df.a)需要进行规范排序df.a.