在R中对比行列不同的两个data.frame，提取相同数据至df3差异至df4

针对你需要对比行列数不同的data.frame并拆分完全相同/差异数据的需求，这里提供几种简洁的实现方式，基于dplyr包完成：

方式一：提取所有列完全相同的行 #

这种方式严格匹配列名和对应数值均完全一致的行存入df3，其余所有行（包括仅单表存在、列数差异导致的不匹配、数值差异的行）存入df4。

# 加载dplyr（未安装则先运行 install.packages("dplyr")）
library(dplyr)

set.seed(22)
df1 <- data.frame(id=sample(LETTERS, 9, FALSE), col1=sample(0:2, 9, TRUE),
                  col2 = sample(0:2, 9, TRUE))
df2 <- data.frame(id=sample(LETTERS, 17, FALSE), col1=sample(0:2, 17, TRUE),
                  col2 = sample(0:2, 17, TRUE),
                  col6 = sample(0:2, 17, TRUE))

# 获取两个表的所有列名，补全缺失列并填充NA
all_cols <- union(names(df1), names(df2))
df1_full <- df1 %>% mutate(across(setdiff(all_cols, names(.)), ~NA)) %>% select(all_cols)
df2_full <- df2 %>% mutate(across(setdiff(all_cols, names(.)), ~NA)) %>% select(all_cols)

# 提取完全相同的行
df3 <- inner_join(df1_full, df2_full, by = all_cols) %>% distinct()

# 提取所有差异行
df4 <- bind_rows(anti_join(df1_full, df3, by = all_cols), anti_join(df2_full, df3, by = all_cols))

方式二：提取共同列完全匹配的行 #

如果你的需求是将id相同且共同列（id、col1、col2）数值完全一致的行存入df3，其余数据（含仅单表存在的行、共同列数值差异的行、共同列匹配但额外列差异的行）存入df4，用以下代码：

library(dplyr)

set.seed(22)
df1 <- data.frame(id=sample(LETTERS, 9, FALSE), col1=sample(0:2, 9, TRUE),
                  col2 = sample(0:2, 9, TRUE))
df2 <- data.frame(id=sample(LETTERS, 17, FALSE), col1=sample(0:2, 17, TRUE),
                  col2 = sample(0:2, 17, TRUE),
                  col6 = sample(0:2, 17, TRUE))

# 获取共同列名
common_cols <- intersect(names(df1), names(df2))

# 找出共同列完全匹配的行
matched_rows <- inner_join(df1, df2, by = common_cols) %>% select(all_of(common_cols)) %>% distinct()
df3 <- matched_rows

# 整理所有差异数据
df4 <- bind_rows(
  # df1中非匹配的行
  anti_join(df1, matched_rows, by = common_cols),
  # df2中非匹配的行
  anti_join(df2, matched_rows, by = common_cols),
  # df2中匹配行的额外列数据（因df1无这些列，属于差异部分）
  inner_join(matched_rows, df2, by = common_cols) %>% select(id, col6)
)

带来源标记的差异拆分 #

如果需要更清晰的差异标记（比如区分数据来自哪个表），可以用全连接方式：

library(dplyr)

set.seed(22)
df1 <- data.frame(id=sample(LETTERS, 9, FALSE), col1=sample(0:2, 9, TRUE),
                  col2 = sample(0:2, 9, TRUE))
df2 <- data.frame(id=sample(LETTERS, 17, FALSE), col1=sample(0:2, 17, TRUE),
                  col2 = sample(0:2, 17, TRUE),
                  col6 = sample(0:2, 17, TRUE))

common_cols <- intersect(names(df1), names(df2))

# 全连接并标记来源
df_combined <- full_join(
  df1 %>% mutate(source = "df1"),
  df2 %>% mutate(source = "df2"),
  by = common_cols,
  suffix = c("_df1", "_df2")
)

# 标记是否共同列匹配
df_combined <- df_combined %>% 
  mutate(is_matched = ifelse(!is.na(id) & col1 == col1_df2 & col2 == col2_df2, TRUE, FALSE))

# 拆分df3和df4
df3 <- df_combined %>% filter(is_matched) %>% select(all_of(common_cols)) %>% distinct()
df4 <- df_combined %>% filter(!is_matched | is.na(is_matched)) %>% select(-is_matched)

内容的提问来源于stack exchange，提问作者Ollie