[英]How to find the difference between 2 dataframes?
我有2个“完全”相同的数据框。 它们之间的区别在于,一个具有676个观测值(行),第二个具有666个观测值。 我不知道在第二个数据帧中遗漏了哪些行。
如果有人可以向我展示代码如何使用丢失的那10行创建第三个数据帧,那对我来说将是最简单的。
数据帧的名称:-数据集1(676)-数据集2(666)
谢谢。
dataset1[tail(!duplicated(rbind(dataset2, dataset1)), nrow(dataset1)), ]
这是一种方法:
library(qdap)
## generate random problem
prob <- sample(1:nrow(mtcars), 1)
## remove the random problem row
mtcars2 <- mtcars[-prob, ]
## Throw it into a list of 2 dataframes so they're easier to work with
dat <- list(mtcars, mtcars2)
## Use qdap's `paste2` function to paste all columns together
dat2 <- lapply(dat, paste2)
## Find the shorter data set
wmn <- which.min(sapply(dat2, length))
## Add additional element to shorter one
dat2[[wmn]] <- c(dat2[[wmn]], NA)
## check each element of the 2 pasted data sets for equality
out <- mapply(identical, dat2[[1]], dat2[[2]])
## Which row's the problem
which(!out)[1]
which(!out)[1] == prob
如果which(!out)[1]
等于NA
问题在最后一行。
当您开始看到FALSE
,这就是问题所在。
编辑 :删除了for
循环
我会说尝试使用merge
,然后查找合并结果中具有NA
值的位置。
这是使用伪数据的示例:
set.seed(1)
df1 <- data.frame(x=rnorm(100),y=rnorm(100))
df2 <- df1[-sample(1:100,10),]
dim(df1)
# [1] 100 2
dim(df2)
# [1] 90 2
out <- merge(df1,df2,by='x',all.x=TRUE)
in1not2 <- which(is.na(out$y.y))
in1not2
# [1] 6 25 33 51 52 53 57 73 77 82
然后您可以提取:
> df1[in1not2,]
x y
6 -0.8204684 1.76728727
25 0.6198257 -0.10019074
33 0.3876716 0.53149619
51 0.3981059 0.45018710
52 -0.6120264 -0.01855983
53 0.3411197 -0.31806837
57 -0.3672215 1.00002880
73 0.6107264 0.45699881
77 -0.4432919 0.78763961
82 -0.1351786 0.98389557
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.