比较两个数据帧并在 R 中打印出更新的行答案

【问题标题】：Compare two dataframes and print out updated rows in R比较两个数据帧并在 R 中打印出更新的行
【发布时间】：2018-11-09 12:53:49
【问题描述】：

我对 R 很陌生，我正在尝试解决这个看起来很简单的问题，但我不知道该怎么做。我正在尝试比较两个数据框，并打印出其中一个而不是另一个的行，并打印另一个列表/数据框，其中只有一个单元格已更新。

df1
firstname  lastname email
Grace       Holly   hollyoaks@yahoo.com
Trish       Edison  edisontrish@gmail.com

df2
firstname lastname  email
Grace     Holly     rickyoaks@yahoo.com
Frederick Sam       sammic@gmail.com

我想做的第一件事是获取 df2 中而不是 df1 中的行，我就是这样做的：

require(sqldf)

df2NotIndf1 <- sqldf('SELECT * FROM df2 EXCEPT SELECT * FROM df1')

这给了我输出：

`firstname lastname  email`
`Frederick Sam       sammic@gmail.com`

现在，我想要的是一种将第一行作为它自己的输出的方法，方法是注意名字和姓氏相同，但电子邮件不同。

所以，我想要一种打印方式：

firstname  lastname  email

Grace     Holly     rickyoaks@yahoo.com

我查看了 compare () 函数以及 merge 和其他函数，但它们似乎是在比较不同的行，而不是不同的单元格。

【问题讨论】：

标签： r dataframe compare

【解决方案1】：

首先，我创建数据框。

# Create data frames
df1 <- read.table(text = "firstname  lastname email
                  Grace       Holly   hollyoaks@yahoo.com
                  Trish       Edison  edisontrish@gmail.com", ,
                  header = TRUE, stringsAsFactors = FALSE)

df2 <- read.table(text = "firstname lastname  email
Grace     Holly     rickyoaks@yahoo.com
Frederick Sam       sammic@gmail.com", 
                  header = TRUE, stringsAsFactors = FALSE)

接下来，我加载dplyr。

# Load libraries
library(dplyr)

在这里，我执行反连接以查找df2 中不在df1 中的行。

# Perform antijoin
df3 <- df2 %>% anti_join(df1, by = c("firstname", "lastname"))

#   firstname lastname            email
# 1 Frederick      Sam sammic@gmail.com

然后，我将原始的两个数据框绑定在一起，删除之前识别为仅出现在 df2 中的行，然后使用除一列之外的所有列检查重复项。如果除一个之外的所有列中都有重复项，我会保留这些行。

# Bind two data frames together
# Remove those only appearing in df2
# Filter to those with duplicates in all but one column
df1 %>% 
  bind_rows(df2) %>% 
  anti_join(df3) %>% 
  filter((duplicated(firstname, lastname) + duplicated(email, lastname) + duplicated(firstname, email)) == ncol(df1) - 1)

#   firstname lastname               email
# 1     Grace    Holly rickyoaks@yahoo.com

我目前正在考虑一种更简洁的方式来编写filter 行，该行泛化到任意数量的列。

【讨论】：

这太好了，谢谢。基于我发现的类似问题，我还尝试了另一种解决方案：
我还尝试了另一种解决方案，基于我发现的一个类似问题：email_change <- anti_join(df2, df1) email_update_only <- inner_join(email_change, df2, by = c("firstname", "lastname"), suffix = c(".df1", ".df2")) %>% filter(email.df2 != email.df1) 它解决了两个问题，关于查找不在另一个数据框中的行，以及只选择行电子邮件作为差异。不过，您的解决方案更整洁:)

【解决方案2】：

1) 如果您正在寻找一种方法来列出名字和姓氏同时在 df1 和 df2 中但电子邮件不同的人：

sqldf("select df1.*, df2.email email2 
  from df1 
  join df2 on df1.firstname = df2.firstname and 
              df1.lastname = df2.lastname and 
              df1.email <> df2.email")

给出以下显示 df1 记录和来自 df2 的不同电子邮件。

  firstname lastname               email              email2
1     Grace    Holly hollyoaks@yahoo.com rickyoaks@yahoo.com

2) 或基本解决方案是：

subset(merge(df1, df2, by = 1:2), email.x != email.y)

注意

以可重现形式使用的输入是：

Lines1 <- "firstname  lastname email
Grace       Holly   hollyoaks@yahoo.com
Trish       Edison  edisontrish@gmail.com"

Lines2 <- "firstname lastname  email
Grace     Holly     rickyoaks@yahoo.com
Frederick Sam       sammic@gmail.com"

df1 <- read.table(text = Lines1, header = TRUE, as.is = TRUE, strip.white = TRUE)
df2 <- read.table(text = Lines2, header = TRUE, as.is = TRUE, strip.white = TRUE)

【讨论】：