逐行测试两列中的相等性（因子/字符数据）

Question

我试图在每行两列中测试相等性。但是，我的数据不是数字。我正在使用的数据集是从两个数据集合并而来的。通过数据我注意到应该相同的列实际上是不同的。这是一个非常大的数据集（大约300K obs）所以我正在尝试编码。

E.g。 Source.x来自合并函数中的第一个数据集，Source.y来自合并函数中的第二个数据集。

RightID   Source.x    Source.y
1000      Ground      Unnamed Stream
1001      Ground      Ground
1002      Stream      Stream
1003      Bear Creek  Ground

我想返回一个新的数据框，只包含观察1000和1003，因为这些。我试过以下代码......

lapply(rights, rights$Source.x == rights$Source.y
filter(rights, rights$Source.x == rights$Source.y
filter(rights, identical(Source.x, Source.y)

但是，由于数据是因子/字符格式，并且由于源名称的可变性而具有不同的级别，因此我的代码都没有成功。 Source.x有6743个级别，Source.y有6457个。据我所知，我的问题没有公开的解决方案详细阐述了这个级别问题。如果有人有任何建议，将不胜感激。

Answer 1

levels <- sort(unique(unlist(rights[, c('source.x', 'source.y')]))) rights$source.x <- factor(rights$source.x, levels = levels) rights$source.y <- factor(rights$source.y, levels = levels) result <- rights[rights$source.x == rights$source.y, ]

您可以指定每个因素的级别，以使它们保持一致。只需使用两列创建一个唯一的级别列表。