R语言：如何动态识别两次数据刷新间的字段变化

我有两个数据框，先执行left join操作。每次刷新数据时，需要对比当前数据与历史数据的对应字段，精准定位发生变化的列并生成变更列列表。目前通过多个if_else语句实现该功能，但需对比的变量有20个，希望找到更智能的动态处理方法。

示例代码：

dset <- data.frame(var1= c(1:3),
                   var2 =c("a123","b123","c123"),
                   var3 =c("x123","y123","z123"))

dset2 <- data.frame(var1 = c(1:3),
            var2 =c("A123","B123","c123"),
            var3 =c("x123","Y123","Z123"))

dset <- dset %>% 
  left_join(dset2, by = c("var1")) %>% 
  mutate(change = paste0(if_else(var2.x == var2.y, " ", "var2; "), 
                         if_else(var3.x == var3.y, " ", "var3")
                         ))

现有输出：

var1 var2.x var3.x var2.y var3.y    change
1    1   a123   x123   A123   x123    var2;  
2    2   b123   y123   B123   Y123    var2; var3
3    3   c123   z123   c123   Z123    var3

动态处理方案 #

不用手动写每个变量的if_else，可以用dplyr的across函数结合字符串处理，自动遍历所有需要对比的字段：

步骤1：明确连接键和对比变量 #

先指定连接用的主键，再提取出需要对比的变量（排除主键）：

library(dplyr)
library(stringr)

# 连接键
join_key <- "var1"
# 需要对比的变量列表（排除连接键）
compare_vars <- setdiff(names(dset), join_key)

步骤2：左连接并生成变更列 #

通过across遍历所有对比变量，自动匹配.x和.y后缀的字段，判断是否变更，最后合并成变更列表：

dset_joined <- dset %>%
  left_join(dset2, by = join_key) %>%
  mutate(
    # 为每个对比变量生成变更标记
    across(all_of(compare_vars),
           ~if_else(get(str_c(cur_column(), ".x")) == get(str_c(cur_column(), ".y")),
                    "", str_c(cur_column(), "; ")),
           .names = "change_{.col}"),
    # 合并所有标记，清理多余的分号和空格
    change = str_trim(str_remove(str_c(across(starts_with("change_")), collapse = ""), "; $"))
  ) %>%
  # 删除临时生成的中间列
  select(-starts_with("change_"))

最终输出 #

运行后得到的结果和手动写法一致，且支持任意数量的对比变量：

var1 var2.x var3.x var2.y var3.y   change
1    1   a123   x123   A123   x123    var2;
2    2   b123   y123   B123   Y123 var2; var3
3    3   c123   z123   c123   Z123    var3

额外处理建议 #

• 如果字段有NA值，调整判断逻辑为if_else(coalesce(get(str_c(cur_column(), ".x")) == get(str_c(cur_column(), ".y")), FALSE), "", ...)，避免NA干扰判断
• 若需要忽略大小写对比，把判断条件改成str_to_lower(get(str_c(cur_column(), ".x"))) == str_to_lower(get(str_c(cur_column(), ".y")))

内容的提问来源于stack exchange，提问作者user20928915