删除 R 中书目数据集中的所有重复实例

Question

我有两个书目数据集 A 和 B（.bib 文件、WoS 导出、完整记录和引用的参考文献）。它们都包含相关和不相关的结果。第一个数据集 A 已被清理，因此我将相关结果 A(r) 和不相关结果 A(i) 作为两个不同的数据集（.bib 文件）。第二个数据集 B 完全包含我的第一个数据集 A。 visualisation of my two datasets

目标： 我正在寻找一种方法来从我的第二个数据集 B 中删除不相关的结果 A(i)，我已经在我的第一个数据集中确定了这些结果。

方法：如果我要合并数据集 B 和 A(i)，我可以通过使用 remove duplicate function 来跟踪 B 中不相关的结果 A(i)，因为 A(i) 会出现两次B. 但是，这只会删除 A(i) 的重复项，而不是 A(i) 的所有实例。

删除重复项的函数：

软件包 revtools

matches <- find_duplicates(data, match_variable = "title")

data_unique <- extract_unique_references(data, matches)

包 bibliometrix

duplicatedMatching(M, Field = "TI", tol = 0.95)

•问题 1：有没有办法删除所有通过 find/remove 重复函数识别的重复项（重复项和原件）？

•Q2：从B中去掉A(i)有没有更好的方法？即删除数据集中的所有重复实例

•问题 3：更普遍的问题：我可以在我的数据集（论文列表）中搜索大量特定书目数据并将其从该数据集中删除吗？

非常感谢您的帮助！

Answer 1

您可以使用 match 在两个数据集中找到相同的 title。

#remove Ai from B
B[-match(unique(Ai$title), B$title),]
#  title misc
#1     a    X
#2     b    X
#5     e    X
#7     g    X

#remove Ai and Ar from B
B[-match(unique(c(Ai$title, Ar$title)), B$title),]
#  title misc
#7     g    X

数据：

Ar <- data.frame(title=c("a", "b", "e"), misc="X", stringsAsFactors = FALSE)
Ai <- data.frame(title=c("d", "c", "f"), misc="X", stringsAsFactors = FALSE)
B <- data.frame(title=letters[1:7], misc="X", stringsAsFactors = FALSE)

删除 R 中书目数据集中的所有重复实例

Remove all instances of duplicates in bibliographic dataset in R

r

duplicates

quanteda

bibliography