如何识别行列顺序不同、维度各异的同结构DataFrame差异？

针对行列顺序不同、维度有差异的DataFrame，以下方法可以精准定位所有差异行，包括独有的行和出现次数不一致的行：

步骤1：构造示例数据（可替换为你的实际数据） #

先还原你提供的两个DataFrame，同时统一因子列的水平（避免合并时丢失因子信息）：

# 构造df1
df1 <- data.frame(
  V1 = factor(c("A","A","B","B","B","C","C")),
  V2 = c("b","a","a","b","c","a","b"),
  V3 = c(1,1.5,2,2.5,3,1.5,2),
  stringsAsFactors = FALSE
)

# 构造df2
df2 <- data.frame(
  V1 = factor(c("A","B","B","B","C","C","C","D")),
  V2 = c("b","a","b","c","a","b","d","a"),
  V3 = c(1,2,2.5,3,1.5,200,0.5,6),
  stringsAsFactors = FALSE
)

# 统一V1的因子水平，确保两个数据框的因子范围一致
common_levels <- unique(c(levels(df1$V1), levels(df2$V1)))
df1$V1 <- factor(df1$V1, levels = common_levels)
df2$V1 <- factor(df2$V1, levels = common_levels)

步骤2：定位差异行（含出现次数对比） #

使用dplyr和tidyr包合并数据并统计每行的出现次数，筛选出所有差异：

library(dplyr)
library(tidyr)

# 给两个数据框添加来源标记后合并
combined_data <- bind_rows(
  df1 %>% mutate(source = "df1"),
  df2 %>% mutate(source = "df2")
)

# 按所有列分组，统计每行在两个数据框中的出现次数
row_counts <- combined_data %>%
  group_by(V1, V2, V3) %>%
  summarise(
    df1出现次数 = sum(source == "df1"),
    df2出现次数 = sum(source == "df2"),
    .groups = "drop"
  )

# 筛选出差异行：仅在单个数据框存在，或出现次数不一致
diff_details <- row_counts %>%
  filter(df1出现次数 != df2出现次数 | df1出现次数 == 0 | df2出现次数 == 0) %>%
  mutate(差异类型 = case_when(
    df1出现次数 == 0 ~ "仅存在于df2",
    df2出现次数 == 0 ~ "仅存在于df1",
    TRUE ~ "出现次数不一致"
  ))

# 查看差异详情
print(diff_details)

运行后会输出类似结果：

# A tibble: 5 × 5
  V1    V2       V3 df1出现次数 df2出现次数 差异类型
  <fct> <chr> <dbl>      <int>      <int> <chr>   
1 A     a       1.5          1          0 仅存在于df1
2 B     a       2            1          0 仅存在于df1
3 C     b     200            0          1 仅存在于df2
4 C     d       0.5          0          1 仅存在于df2
5 D     a       6            0          1 仅存在于df2

步骤3：定位差异行在原数据框中的具体行号 #

如果需要知道这些差异行在原数据框中的位置，可以用以下代码：

# 找出df1中独有的行及其行号
df1_unique_rows <- df1 %>%
  anti_join(df2, by = c("V1", "V2", "V3")) %>%
  mutate(row_num = which(paste(df1$V1, df1$V2, df1$V3) %in% paste(.$V1, .$V2, .$V3)))

cat("df1中差异行的行号：", df1_unique_rows$row_num, "\n")

# 找出df2中独有的行及其行号
df2_unique_rows <- df2 %>%
  anti_join(df1, by = c("V1", "V2", "V3")) %>%
  mutate(row_num = which(paste(df2$V1, df2$V2, df2$V3) %in% paste(.$V1, .$V2, .$V3)))

cat("df2中差异行的行号：", df2_unique_rows$row_num, "\n")

运行后会输出：

df1中差异行的行号： 2 3 
df2中差异行的行号： 2 6 7 8 

说明 #

• 该方法不依赖行顺序，只关注行的实际内容和出现频率
• 覆盖了维度不同的场景，能同时找出独有的行和出现次数不一致的行
• 输出结果清晰，可直接定位需要修正的行

内容的提问来源于stack exchange，提问作者daniel135