查找已更新的两个不同数据帧的行中的差异

Question

我是 R 新手，试图弄清楚如何在合并两个数据集后找到两个数据集中的差异。我已将数据集与 SETDIFF 合并，并在新的 df 中发现了 19 个不同的行。但是无法知道哪些列已更改。由于 df 有 100 列，因此搜索每一行和每一列来查找更改是不切实际的。有没有办法确定新 df.

IP Name Address  ZIP 
1  Bob  3456 st  2012
2  Jane 2456 st  4302
3  Mike 9698 st  2398

旧 df 的示例

IP Name Address  ZIP 
1  Bob  3000 st  2012
2  Jane 2456 st  4302
3  Mike 9698 st  2000 

如果新 df 更改了 Bob 地址和 Mikes ZIP，我将如何在 R 中执行此操作。我尝试过 SETDIFF 和 COMPARE，但这些不起作用。我只想获取数据帧的特定更改以及发生在哪一行的输出。

编辑：另一个例子，来自评论：

new <- data.frame(
          stringsAsFactors = FALSE, 
                        IP = c(1L, 2L, 3L, 4L, 5L, 6L), 
                      Name = c("Bob", "Jack", "Jane", "Mike", "Alex", "Amy"), 
                   Address = c("3000 st", "5678 st", "2456 st", "9698 st", 
                               "9776 st", "1002 st"), 
                       ZIP = c(2012L, 1121L, 4302L, 2398L, 3476L, 4655L)
       )  

old <- data.frame(
          stringsAsFactors = FALSE, 
                        IP = c(1L, 2L, 3L, 4L), 
                      Name = c("Bob", "Jane", "Mike", "Jack"), 
                   Address = c("3456 st", "2456 st", "9698 st", "5678 st"), 
                       ZIP = c(2012L, 4302L, 2012L, 1121L)
       )

Answer 1

编辑＃2：

如果您想查找从旧数据添加到新数据的新名称，并且“名称”列是唯一标识符，您可以在更新的示例数据上使用它：

new %>%
  filter(!Name %in% old$Name)

#  IP Name Address  ZIP
#1  5 Alex 9776 st 3476
#2  6  Amy 1002 st 4655

必须有一种更优雅的方法来执行此操作，但另一种方法可能是使用 Name 作为键将数据连接到自身，然后重新整形以识别两者之间的差异：

library(tidyverse)
new %>%
  left_join(old, by = "Name") %>%
  mutate(across(everything(), as.character)) %>%
  pivot_longer(-Name, names_to = c("name", "src"), names_sep = "\\.") %>%
  pivot_wider(names_from = src, values_from = value) %>%
  group_by(Name) %>%
  filter(x != y) %>%
  ungroup()

## A tibble: 5 x 4
#  Name  name    x       y      
#  <chr> <chr>   <chr>   <chr>  
#1 Bob   Address 3000 st 3456 st
#2 Jack  IP      2       4      
#3 Jane  IP      3       2      
#4 Mike  IP      4       3      
#5 Mike  ZIP     2398    2012   

此输出告诉我们 Bob 的地址字段已更改，Jack、Jane 和 Mike 出现在不同的行中，而 Mike 的地址字段发生了变化。邮政编码已更改。

---

原始答案

waldo 包提供了一种简单的方法来执行此操作：

waldo::compare(new, old)

#`old$Address`: "3456 st" "2456 st" "9698 st"
#`new$Address`: "3000 st" "2456 st" "9698 st"
#
#`old$ZIP`: 2012 4302 2398
#`new$ZIP`: 2012 4302 2000

虽然此处不可见，但控制台中的输出以绿色突出显示更改的值。

编辑 - 更好的选择可能是 diffdf::diffdf(new, old)，它输出特定差异的摘要：

Differences found between the objects!

A summary is given below.

Not all Values Compared Equal
All rows are shown in table below

  =============================
   Variable  No of Differences 
  -----------------------------
   Address           1         
     ZIP             1         
  -----------------------------


All rows are shown in table below

  ===========================================
   VARIABLE  ..ROWNUMBER..   BASE    COMPARE 
  -------------------------------------------
   Address         1        3456 st  3000 st 
  -------------------------------------------


All rows are shown in table below

  ========================================
   VARIABLE  ..ROWNUMBER..  BASE  COMPARE 
  ----------------------------------------
     ZIP           3        2398   2000   
  ----------------------------------------

可加载形式的示例数据：

new <- data.frame(
  stringsAsFactors = FALSE,
                IP = c(1L, 2L, 3L),
              Name = c("Bob", "Jane", "Mike"),
           Address = c("3456 st", "2456 st", "9698 st"),
               ZIP = c(2012L, 4302L, 2398L)
       )

old <- data.frame(
  stringsAsFactors = FALSE,
                IP = c(1L, 2L, 3L),
              Name = c("Bob", "Jane", "Mike"),
           Address = c("3000 st", "2456 st", "9698 st"),
               ZIP = c(2012L, 4302L, 2000L)
       )