r - 在 R 中比较 2 个数据帧是否相等

Question

我有 2 个具有 2 个相同列的数据框。我想检查数据集是否相同。原始数据集有大约 70 万条记录，但我正在尝试找出一种使用虚拟数据集的方法

我尝试使用比较、相同、全部、all_equal 等。它们都没有返回 True。

虚拟数据集是 -

a <- data.frame(x = 1:10, b = 20:11)
c <- data.frame(x = 10:1, b = 11:20)

all(a==c)
[1] FALSE

compare(a,c)
FALSE [FALSE, FALSE]

identical(a,c)
[1] FALSE

 all.equal(a,c)
[1] "Component “x”: Mean relative difference: 0.9090909" "Component “b”: Mean relative difference: 0.3225806"

数据集完全相同，除了记录的顺序。如果这些功能仅在数据集彼此镜像时才有效，那么我必须尝试其他方法。如果是这种情况，有人可以帮助我如何为这两个数据集（无序）获得 True

标签： rdataframecompareequality

Answer 1

dplyr的setdiff作品在数据框架上，我会建议

library(dplyr)
nrow(setdiff(a, c)) == 0 & nrow(setdiff(c, a)) == 0
# [1] TRUE

请注意，这不会考虑重复行的数量。（即，如果a一行有多个副本，并且该行c只有一个副本，它仍然会返回TRUE）。不确定如何处理重复行...

如果您确实关心具有相同数量的重复项，那么我会建议两种可能性：（a）添加一个 ID 列来区分重复项并使用上述方法，或者（b）排序，重置行名（烦人），并使用identical.

(a)添加一个 ID 列

library(dplyr)
a_id = group_by_all(a) %>% mutate(id = row_number())
c_id = group_by_all(c) %>% mutate(id = row_number())
nrow(setdiff(a_id, c_id)) == 0 & nrow(setdiff(c_id, a_id)) == 0
# [1] TRUE

(b)排序

a_sort = a[do.call(order, a), ]
row.names(a_sort) = NULL
c_sort = c[do.call(order, c), ]
row.names(c_sort) = NULL
identical(a_sort, c_sort)
# [1] TRUE