R语言比较两个dataframe差异行时代码无结果的问题排查

你的代码存在3个核心错误，导致无法返回正确结果：

• 列名引用错误：两个测试数据框定义的主键列名为id，代码中错误引用了不存在的refid列，运行时会返回空值，无法完成匹配。
• 行索引逻辑错误：setdiff()返回的是id值的集合，不是行位置或布尔判断向量，直接放在方括号行筛选位置时，R会将id值作为行号/行名匹配，你的id长度远大于数据框总行数，且和默认数字行名不匹配，自然筛不出有效行。
• 差异判断逻辑错误：intersect()返回的是两个数据框共有的id集合，直接对集合使用!取反不符合R布尔索引语法规则，最终生成全为FALSE的索引向量，只能返回空结果。

基础R实现（无需安装额外包） #

# 筛选df1中独有的行（id在df2中不存在）
diff1 <- df1[!df1$id %in% df2$id, ]

# 筛选df2中独有的行（id在df1中不存在）
diff2 <- df2[!df2$id %in% df1$id, ]

# 筛选id相同但text内容不一致的行
common_id <- intersect(df1$id, df2$id)
df1_aligned <- df1[df1$id %in% common_id, ][order(df1[df1$id %in% common_id, ]$id), ]
df2_aligned <- df2[df2$id %in% common_id, ][order(df2[df2$id %in% common_id, ]$id), ]
content_diff <- df1_aligned[df1_aligned$text != df2_aligned$text, ]

简便实现（借助dplyr包，全字段自动比对） #

library(dplyr)
# 所有存在于df1但不存在于df2的行（全字段匹配）
diff1 <- setdiff(df1, df2)
# 所有存在于df2但不存在于df1的行（全字段匹配）
diff2 <- setdiff(df2, df1)

• 按id筛选独有行：diff1为0行（df1所有id都在df2中存在），diff2返回10行id为636809222及2004开头的新增行
• 内容差异行：返回1行id为632592651、text为asdf的记录，对应df2中同id的text为asdf_xyz，属于同主键下内容不一致的差异
• 全字段比对结果：diff1返回上述1条内容不一致的df1行，diff2返回1条同id内容不一致的df2行+10条新增行，共11条差异记录

内容的提问来源于stack exchange，提问作者Catalyst