使用Julia逐个单元比较2个数据帧

Question

使用Julia，有没有一种方法可以逐个比较两个DataFrame和输出差异

例如：

预期结果将产生具有True / False的数据帧

预先感谢您的帮助

Answer 1

基本上，您需要以多种方式之一使用.==。

using DataFrames
df1 = DataFrame(Col1=["A","B","C"],Col2=["X","Y","Z"])
df2 = DataFrame(Col1=["A","B","D"],Col2=["X","Y","Z"])

这是最短的版本：

julia> Matrix(df1) .== Matrix(df2)
3×2 BitArray{2}:
 1  1
 1  1
 0  1

通过这种方法，您可以使用降号[:]来获取不匹配值的列表：

julia> Matrix(df2)[:][(.!(Matrix(df1) .== Matrix(df2))[:])]
1-element Array{String,1}:
 "D"

如果您想要DataFrame：

julia> DataFrame((n => df1[!,n] .== df2[!,n] for n in names(df2))...)
3×2 DataFrame
│ Row │ Col1 │ Col2 │
│     │ Bool │ Bool │
├─────┼──────┼──────┤
│ 1   │ 1    │ 1    │
│ 2   │ 1    │ 1    │
│ 3   │ 0    │ 1    │

Answer 2

AbstractDataFrame对象支持广播，因此您可以编写：

julia> df1 .== df2
3×2 DataFrame
│ Row │ Col1 │ Col2 │
│     │ Bool │ Bool │
├─────┼──────┼──────┤
│ 1   │ 1    │ 1    │
│ 2   │ 1    │ 1    │
│ 3   │ 0    │ 1    │

或

julia> isequal.(df1, df2)
3×2 DataFrame
│ Row │ Col1 │ Col2 │
│     │ Bool │ Bool │
├─────┼──────┼──────┤
│ 1   │ 1    │ 1    │
│ 2   │ 1    │ 1    │
│ 3   │ 0    │ 1    │

==和isequal之间的区别在于，如果您在一个单元格中具有missing值，它们如何处理这种情况（==将在这样的情况下产生missing一个案例，isequal产生true / false）。

使用Przemyslaw提出的Matrix方法将忽略列名（并且通常会昂贵，因为它执行数据复制）。 Przemyslaw提出的第二个选项忽略了数据框中的列顺序（在某些情况下，您实际上可能会想要它），并且不检查两个数据框中的列名称集是否相同。