La determinación de diferentes filas entre dos conjuntos de datos en R

Question

He dos archivos de datos en formato CSV separado por tabuladores. Los archivos están en el formato siguiente:

EP Code    EP Name    Address    Region    ...
101654    Alpha     York Street    Northwest    ...
103628    Beta    5th Avenue    South    ...

códigos EP son únicos. Lo que quiero hacer es comparar dos archivos con respecto a los códigos del PE, determinar las diferentes filas y escribirlas en un archivo nuevo.

Por ejemplo, File1.csv tiene 800 filas y file2.csv tiene 850 filas. fichero2 podría ser un archivo que incluye por completo fichero1 más 50 filas; o podría ser file1 - 10 rows + 60 rows. Quiero determinar las diferencias entre dos conjuntos de datos. No estoy interesado en las filas de inversión.

¿Cómo puedo hacer que en R?

Answer 1

Hay muchas maneras de hacer esto, incluyendo setdiff, intersect, la función %in%, is.element. Sólo tiene que encontrar el conjunto de intersección y excluye el uso de !:

diff1 <- file1[setdiff(file1$ep.code, file2$ep.code),]

o

diff2 <- file2[!(intersect(file2$ep.code, file1$ep.code)),]