在R中比较两个DataFrame指定列的值，生成缺失与新增值结果

需求说明 #

对比两个DataFrame（df1、df2）共有的指定列（示例为channel列），输出两类结果：

• df2相对于df1缺失的值：即df1存在但df2没有的列值（示例：BNN、SKY）
• df2相对于df1新增的值：即df2存在但df1没有的列值（示例：CNN）
  需支持处理列中存在重复值的场景，结果可以是字符串、tibble或DataFrame格式。

示例数据 #

df1 <- data.frame (
  channel= c("BNN", "BBC", "ABC", "SKY"),
  second_column = c("value_1", "value_2", "value_3","value_4")
)

df2 <- data.frame (
  channel= c("CNN", "BBC", "ABC"),
  second_column = c("value_1", "value_2", "value_3")
)

解决方案 #

方法1：基础R实现 #

先对列值去重（处理重复值场景），再用集合运算获取差异：

# 提取去重后的channel值
df1_channels <- unique(df1$channel)
df2_channels <- unique(df2$channel)

# 获取df2相对于df1的新增值
new_values <- setdiff(df2_channels, df1_channels)
# 获取df2相对于df1的缺失值
missing_values <- setdiff(df1_channels, df2_channels)

# 字符串格式输出
cat("新增值：", paste(new_values, collapse = ", "), "\n")
cat("缺失值：", paste(missing_values, collapse = ", "), "\n")

# 整理为DataFrame格式
result_df <- data.frame(
  type = rep(c("新增值", "缺失值"), times = c(length(new_values), length(missing_values))),
  channel = c(new_values, missing_values)
)
print(result_df)

方法2：tidyverse（dplyr）实现 #

用anti_join快速筛选差异，配合distinct处理重复值：

library(dplyr)

# 获取df2相对于df1的新增值（去重）
new_df <- df2 %>% 
  distinct(channel) %>% 
  anti_join(df1 %>% distinct(channel), by = "channel") %>% 
  mutate(type = "新增值")

# 获取df2相对于df1的缺失值（去重）
missing_df <- df1 %>% 
  distinct(channel) %>% 
  anti_join(df2 %>% distinct(channel), by = "channel") %>% 
  mutate(type = "缺失值")

# 合并结果为tibble/DataFrame
result_tibble <- bind_rows(new_df, missing_df)
print(result_tibble)

关键说明 #

两种方法都先对列值去重，确保重复值不会干扰对比结果；如果需要保留重复值的频次差异，可以去掉unique或distinct，改用table函数做频次统计对比。

内容的提问来源于stack exchange，提问作者Sanjay