如何查找两个含price、size列的不同长度R dataframe的差异

问题根因 #

你之前的方案报错/结果不准主要有两个核心原因：

• 浮点数精度问题：price、size均为浮点型数据，存储时的微小精度误差会导致完全匹配逻辑判定为不相等
• comparedf报错大概率是因为存在大量重复的price+size组合，触发了data.table的笛卡尔连接安全限制

推荐解决方案（适配你提供的data.table格式数据） #

步骤1：先为两张表添加原始行号，用于后续定位 #

步骤2：统一浮点精度后做反连接，分别提取两张表独有的记录 #

对应可直接运行的代码：

library(data.table)

# 新增原始行号列
out[, original_row := .I]
bit[, original_row := .I]

# 按业务精度统一舍入，避免浮点误差，可根据实际需求调整小数位数
out[, `:=`(price_round = round(price, 2), size_round = round(size, 8))]
bit[, `:=`(price_round = round(price, 2), size_round = round(size, 8))]

# 提取out存在、bit不存在的记录
out_unique <- out[!bit, on = .(price_round, size_round)]
# 提取bit存在、out不存在的记录
bit_unique <- bit[!out, on = .(price_round, size_round)]

# 可选：删除临时生成的舍入列，保留原始数据和行号
out_unique[, c("price_round", "size_round") := NULL]
bit_unique[, c("price_round", "size_round") := NULL]

结果说明 #

• out_unique中的original_row列对应原out表的行号，可直接定位差异位置
• bit_unique中的original_row列对应原bit表的行号
• 如果业务不允许舍入，可以调整匹配逻辑，用近邻匹配设置公差阈值即可

内容的提问来源于stack exchange，提问作者MrJingle02