如何基于指定列比较两个数据集，提取df1中该列值不同的记录

以下是两种常用实现方案，可根据使用场景选择： #

方案1：dplyr 实现（语法清晰易维护） #

适合已经在使用tidyverse生态的场景，代码可读性更高：

library(dplyr)

# 场景1：两个数据框行顺序完全对齐，可直接按位置对比
df_diff <- df1[df1$var4 != df2$var4, ]

# 场景2：数据框行顺序可能不一致，按唯一主键var1关联后对比（更稳妥）
df_diff <- df1 %>% 
  # 仅关联df2的主键和对比列，避免其他列干扰
  left_join(df2 %>% select(var1, var4), by = "var1", suffix = c("_df1", "_df2")) %>% 
  # 筛选var4取值不一致的行
  filter(var4_df1 != var4_df2) %>% 
  # 还原为df1的原有列结构
  select(var1, var2, var3, var4 = var4_df1)

方案2：纯基础R实现（无外部依赖） #

不需要安装任何第三方包，直接运行即可：

# 按主键var1匹配df2中对应行的var4值
match_idx <- match(df1$var1, df2$var1)
# 筛选出var4取值不同的df1完整记录
df_diff <- df1[df1$var4 != df2$var4[match_idx], ]

运行以上任意一种方案，都可以得到你预期的输出结果：

> print(df_diff)
# A tibble: 1 × 4
   var1 var2  var3  var4      
  <dbl> <chr> <chr> <chr>     
1     2 peach blue  2021-12-31

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