R语言中标记大数据框中与小数据框不同的行

我有两个DataFrame，希望将较大的ex1_df中不存在于较小ex_df的行高亮（标记为浅红色）。示例数据的R代码如下：

response <- c("Best overall", "Best overall", "Diease control", "Diease control", "Observed response", "Observed respone")
value <- c("pd", "sd", "yes", "no", "yes", "no")
drug <- c(10, 2, 0, 12, 0, 12)

ex_df <- data.frame(response, value)
ex_df <- data.frame(ex_df, drug)

response1 <- c("Best overall", "Best overall", "Best overall", "Best overall", "Best overall", "Best overall", "Diease control", "Diease control", "Observed response", "Observed respone")
value1 <- c("cr", "pr", "sd", "pd", "NE", "NA", "yes", "no", "yes", "no")
drug1 <- c(0, 0, 2, 10, 0, 0, 0, 12, 2, 10)

ex1_df <- data.frame(response1, value1)
ex1_df <- data.frame(ex1_df, drug1)

需要标记ex1_df中的第1、2、5、6行。实际数据列名一致，可调整示例列名。我尝试了以下代码但得到空DataFrame，寻求解决方案：

deltas <- diffdf(base=ex1_df, compare=ex_df)
var_list <- colnames(ex1_df)

delta_list <- list()

for(i in var_list) {
  dat <- data.frame(eval(parse(text = paste0("deltas$VarDiff_", i)))) %>%
    janitor::clean_names()
  delta_list[[i]] <- dat
}

delta_data <- do.call(rbind, delta_list)

解决方案 #

核心问题分析 #

你之前的代码得到空结果，本质原因是两个DataFrame的列名不匹配：ex1_df的列名是response1/value1/drug1，而ex_df是response/value/drug，导致diffdf无法正确识别行的匹配关系，自然找不到差异。

步骤1：统一列名 #

先将ex1_df的列名调整为和ex_df一致，这是行匹配的前提：

colnames(ex1_df) <- colnames(ex_df)

步骤2：定位差异行 #

用dplyr的anti_join可以直接获取ex1_df中不存在于ex_df的行，再提取这些行的索引：

library(dplyr)

# 获取差异行内容
diff_rows <- anti_join(ex1_df, ex_df, by = colnames(ex_df))
# 获取差异行在ex1_df中的位置索引
diff_indices <- which(!apply(ex1_df, 1, function(row) any(apply(ex_df, 1, function(ref_row) all(row == ref_row)))))

步骤3：高亮差异行 #

这里提供两种常用的高亮方式：

方式1：用formattable快速实现

library(formattable)

formattable(ex1_df, list(
  # 给差异行设置浅红色背景
  area(row = diff_indices) = formatter("span", style = ~ style("background-color", "#ffebee"))
))

方式2：用gt实现更灵活的格式化

library(gt)

ex1_df %>%
  gt() %>%
  tab_style(
    style = cell_fill(color = "#ffebee"),
    locations = cells_body(rows = diff_indices)
  )

修复你原有的diffdf代码 #

统一列名后，原代码可以正常获取差异：

library(diffdf)
library(janitor)

deltas <- diffdf(base = ex1_df, compare = ex_df)
var_list <- colnames(ex1_df)

delta_list <- list()

for(i in var_list) {
  dat <- data.frame(eval(parse(text = paste0("deltas$VarDiff_", i)))) %>%
    clean_names()
  delta_list[[i]] <- dat
}

delta_data <- do.call(rbind, delta_list)

此时delta_data会包含正确的列差异信息，而deltas$RowDiff可以直接查看差异行的索引。

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