如何忽略spec_tbl_df的problems属性测试tibble数据相等性？

当你用readr::read_csv()读取同一文件得到两个tibble时，即使数据内容完全一致，identical()也可能返回FALSE——原因在于tibble的spec_tbl_df子类中，空的problems属性是不同的对象（指针不同），但对你而言它们本质是相同的。以下是几种可行的解决方法：

方法1：方括号子集化移除spec_tbl_df的额外属性 #

通过tibble[]的方式可以移除tibble的spec_tbl_df子类属性，只保留基础的tibble结构，此时再用identical()就能正确判断数据是否一致：

library(tidyverse)

# 生成测试文件
tibble(x = 1:3) %>% write_csv(file = '~/Documents/demo.csv')

# 读取两次得到tibble
d1.tb <- read_csv(file = '~/Documents/demo.csv')
d2.tb <- read_csv(file = '~/Documents/demo.csv')

# 子集化后判断相等性
identical(d1.tb[], d2.tb[])
# [1] TRUE

方法2：用all.equal()替代identical() #

identical()会严格比较所有属性（包括对象指针），而all.equal()默认会忽略这类非核心的属性差异，只比较数据的内容、结构和类型，直接就能得到正确结果：

all.equal(d1.tb, d2.tb)
# [1] TRUE

方法3：手动统一problems属性 #

如果你一定要用identical()，可以手动将两个tibble的problems属性设为同一个值（比如空对象或者相同的自定义值），这样指针就会一致：

# 复制原tibble
d1.1.tb <- d1.tb
d2.1.tb <- d2.tb

# 统一problems属性
attributes(d1.1.tb)$problems <- attributes(d2.tb)$problems
# 或者设为空：attributes(d1.1.tb)$problems <- tibble()

# 再用identical判断
identical(d1.1.tb, d2.1.tb)
# [1] TRUE

验证差异来源 #

你可以通过以下代码确认两个tibble仅在problems属性的指针上存在差异：

# 整体属性不同
identical(attributes(d1.tb), attributes(d2.tb))
# [1] FALSE

# 但problems的内容都是空的tibble
problems(d1.tb)
# A tibble: 0 × 5
# … with 5 variables: row <int>, col <int>, expected <chr>, actual <chr>, file <chr>
problems(d2.tb)
# A tibble: 0 × 5
# … with 5 variables: row <int>, col <int>, expected <chr>, actual <chr>, file <chr>

# 只是problems的指针不同
identical(attributes(d1.tb)$problems, attributes(d2.tb)$problems)
# [1] FALSE

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