在 tidyverse 中使用 `anti_join` 函数

Question

Hadley 写的数据科学 R 书说

Check that your foreign keys match primary keys in another table. The best way to do this is with an anti_join()

anti_join(x, y, by = "ID") 给出 x 中使用 ID 在 y 中找不到的行。但是我不确定它对于检查一个 table 的外键是否与另一个

的主键匹配有什么用。

有人可以举个例子吗？

Answer 1

我认为这本书试图描述的场景如下：

您有 2 个数据集：

# data set A
# primary key is ID, foreign key is zip code

A tibble: 10 x 3
      ID zip_code   age
   <int> <chr>    <int>
 1     1 10000       43
 2     2 10001       41
 3     3 10002       46
 4     4 10003       45
 5     5 10004       50
 6     6 10005       48
 7     7 10006       40
 8     8 10007       49
 9     9 10008       44
10    10 AAAAA       42

# data set B
# primary key is zip code

 A tibble: 10 x 2
   zip_code address
   <chr>    <chr>  
 1 10000    B      
 2 10001    H      
 3 10002    U      
 4 10003    M      
 5 10004    T      
 6 10005    O      
 7 10006    P      
 8 10007    R      
 9 10008    L      
10 10009    V

您加入了 A 和 B zip_code。在现实世界的情况下，某些行中可能没有匹配项。在此示例中，它是 ID = 10.

的第 10 行

A %>% left_join(B, by = "zip_code")

# A tibble: 10 x 4
      ID zip_code   age address
   <int> <chr>    <int> <chr>  
 1     1 10000       43 B      
 2     2 10001       41 H      
 3     3 10002       46 U      
 4     4 10003       45 M      
 5     5 10004       50 T      
 6     6 10005       48 O      
 7     7 10006       40 P      
 8     8 10007       49 R      
 9     9 10008       44 L      
10    10 AAAAA       42 NA

书上建议的是使用anti_join 找出不匹配项（如果您有数千行，可能很难看到）并检查外键。在此示例中，ID = 10 具有完全不同类型的外键，导致不匹配。

A %>% anti_join(B, by = "zip_code")

# A tibble: 1 x 3
     ID zip_code   age
  <int> <chr>    <int>
1    10 AAAAA       42

数据

library(tidyverse)
set.seed(123)

A <- tibble(ID = 1:10, zip_code = c(seq(10000, 10008, 1), "AAAAA"), age = sample(40:50, 10))

B <- tibble(zip_code =  as.character(seq(10000, 10009, 1)), address = sample(LETTERS, 10))

在 tidyverse 中使用 `anti_join` 函数

Use of `anti_join` function in tidyverse

r

foreign-keys

primary-key

tidyverse