Question

假设我在R中有大型数据集，我只想知道其中两个是否相同。当我尝试不同的算法来实现相同的结果时，我经常使用它。例如，假设我们有以下数据集：

df1 <- data.frame(num = 1:5, let = letters[1:5])
df2 <- df1
df3 <- data.frame(num = c(1:5, NA), let = letters[1:6])
df4 <- df3

所以这就是我比较它们的方法：

table(x == y, useNA = 'ifany')

当数据集没有NA时，哪种方法很有用：

> table(df1 == df2, useNA = 'ifany')
TRUE 
  10

但是当他们有NAs时却没那么多：

> table(df3 == df4, useNA = 'ifany')
TRUE <NA> 
  11    1

在示例中，很容易将NA视为不是问题，因为我们知道两个数据帧相等。问题是NA == <anything>会产生NA，所以每当其中一个数据集有一个NA时，另一个数据集在同一个位置上的含义并不重要，结果总会如此成为NA。

因此，使用table()比较数据集对我来说似乎并不理想。 如何更好地检查两个数据框是否相同？

P.S。：请注意，这不是R - comparing several datasets，Comparing 2 datasets in R或Compare datasets in R

的副本

Answer 1

查找all.equal。它有一些骑手，但它可能适合你。

all.equal(df3,df4)
# [1] TRUE
all.equal(df2,df1)
# [1] TRUE

Answer 2

正如Metrics所指出的那样，人们也可以使用identical()来比较数据集。这种方法与Codoremifa的方法之间的区别在于identical()只会产生TRUE FALSE，这取决于被比较的对象是否相同，而{{1}将返回all.equal()或关于对象之间差异的提示。例如，请考虑以下事项：

TRUE

此外，我测试的> identical(df1, df3) [1] FALSE > all.equal(df1, df3) [1] "Attributes: < Component 2: Numeric: lengths (5, 6) differ >" [2] "Component 1: Numeric: lengths (5, 6) differ" [3] "Component 2: Lengths: 5, 6" [4] "Component 2: Attributes: < Component 2: Lengths (5, 6) differ (string compare on first 5) >" [5] "Component 2: Lengths (5, 6) differ (string compare on first 5)"似乎比identical()跑得快。

如何检查两个数据帧是否相等

2 个答案: