按两者共有的组合并数据帧

Question

我有两个由不同采样器采集的龙虾卵大小数据集，它们将用于评估测量的可变性。每个采样器测量大约50个龙虾蛋\龙虾，这些龙虾来自众多的龙虾。然而，有时一些龙虾是由采样器一而不是采样器二处理的，反之亦然。我想将来自两个采样器的数据合并为一个新的数据集，但删除仅由一个采样器处理的龙虾的所有数据。我已经使用了semi_join和intersect，但我需要在数据集1 -> 2和2 <-1之间执行匹配。我能够创建一个新的dataset，它绑定来自两个采样器的行，但不清楚如何删除新数据集中两个dataset之间的所有唯一龙虾ID。

这是我的数据的一个简化版本，其中有多个鸡蛋面积测量从多个龙虾，但采样并不总是重叠的(即，鸡蛋只由一个采样器从个体测量，而不是另一个采样器)：

install.packages(dplyr)
library(dplyr)

sampler1 <- data.frame(LobsterID=c("Lobster1","Lobster1","Lobster2",
                                   "Lobster2","Lobster2","Lobster2",
                                   "Lobster2","Lobster3","Lobster3","Lobster3"),
                       Area=c(.4,.35,1.1,1.04,1.14,1.1,1.05,1.7,1.63,1.8),
                       Sampler=c(rep("Sampler1", 10)))
sampler2 <- data.frame(LobsterID=c("Lobster1","Lobster1","Lobster1",
                                   "Lobster1","Lobster1","Lobster2",
                                   "Lobster2","Lobster2","Lobster4","Lobster4"),
                       Area=c(.41,.44,.47,.43,.38,1.14,1.11,1.09,1.41,1.4),
                       Sampler=c(rep("Sampler2", 10)))

combined <- bind_rows(sampler1, sampler2)

desiredresult <- combined[-c(8, 9, 10, 19, 20), ]

脚本的最后一行是模拟数据的预期结果。我希望限制使用基数R或dplyr。

Answer 1

sampler1 %>% rbind(sampler2) %>% filter(LobsterID %in% intersect(sampler1$LobsterID, sampler2$LobsterID))

Answer 2

combined <- bind_rows(sampler1, sampler2)


Lobsters.2.sample <- as.character(unique(sampler1$LobsterID)[unique(sampler1$LobsterID) %in% unique(sampler2$LobsterID)])

combined <- combined[combined$LobsterID %in% Lobsters.2.sample,]

Answer 3

使用基本R

combined <-rbind(sampler1, sampler2)
inBoth <- intersect(sampler1[["LobsterID"]], sampler2[["LobsterID"]])
output <- combined[combined[["LobsterID"]] %in% inBoth, ]

intersect查找两个向量的集合并集，为您提供两个样本中的龙虾。所有函数都是矢量化的，所以它应该运行得很快。