R语言快速比较相同结构dataframe并输出指定差异结果的方法

你之前的代码无法正常运行的核心原因有两个：

1. 直接用==比较无法处理NA值：R中NA和任意值（包括NA本身）做==判断都会返回NA，无法正确识别两个单元格均为NA的相等场景
2. 语法逻辑错误：apply函数缺少必要参数，且该场景完全不需要循环类操作，直接向量化运算即可实现。

下面是两种可直接运行的实现方案：

方案1：基础R极简实现（无第三方依赖） #

如果ID列为第一列，可直接用以下一行代码实现：

result <- cbind(df1[1], ifelse(df1[-1] == df2[-1] | (is.na(df1[-1]) & is.na(df2[-1])), NA, df2[-1]))

如果ID列位置不固定，可指定列名处理：

cmp_cols <- setdiff(names(df1), "ID")
result <- cbind(df1["ID"], ifelse(df1[cmp_cols] == df2[cmp_cols] | (is.na(df1[cmp_cols]) & is.na(df2[cmp_cols])), NA, df2[cmp_cols]))

方案2：dplyr优雅实现 #

适合已经在使用tidyverse生态的场景，代码可读性更高：

library(dplyr)
result <- df2 %>%
  mutate(across(-ID, ~ifelse(.x == df1[[cur_column()]] | (is.na(.x) & is.na(df1[[cur_column()]])), NA, .x)))

两种方案运行后得到的结果都和你给出的预期输出完全一致：

> result
  ID  A  B
1  1 NA NA
2  2 NA NA
3  3 NA  3
4  4  4 NA

内容的提问来源于stack exchange，提问作者Karol