Fungsi atau skrip dasar lainnya yang membandingkan nilai pada dua variabel dalam kerangka data menggunakan variabel id yang terletak di keduanya

Katakanlah Anda memiliki dua bingkai data, keduanya berisi beberapa, namun tidak semua catatan yang sama. Jika keduanya merupakan rekaman yang sama, variabel id di kedua bingkai data akan cocok. Ada variabel tertentu di setiap bingkai data yang perlu diperiksa konsistensinya di seluruh bingkai data, dan setiap perbedaan perlu dicetak:

d1 <- ## first dataframe
d2 <- ## second dataframe

colnames(d1) #column headings for dataframe 1
[1] "id" "variable1" "variable2" "variable3"

colnames(d2) #column headings for dataframe 2 are identical
[1] "id" "variable1" "variable2" "variable3"

length(d1$id) #there are 200 records in dataframe 1
[1] 200

length(d2$id) #there are not the same number in dataframe 2
[1] 150

##Some function that takes d1$id, matches with d2$id, then compares the values of the matched, returning any discrepancies

Saya membuat lingkaran rumit untuk ini, tetapi merasa ini bukan cara yang tepat untuk melakukannya. Tentunya ada cara yang lebih baik daripada pernyataan for-if-for-if-if ini.

for (i in seq(d1$id)){ ##Sets up counter for loop
  if (d1$id[i] %in% d2$id){ ## Search, compares and saves a common id and variable
    index <- d1$id[i];
    variable_d1 <- d1$variable1[i];
    for (p in seq(d2$id)){ set
      if (d2$id[p] == index){ ## saves the corresponding value in the second dataframe
        variable_d2 <- d2$variable1[p];
          if (variable_d2 != variable_d1) { ## prints if they are not equal
            print(index);
          }
      }
    }
  }
}

r dataframe comparison
person Alex Orona    schedule 02.06.2015    source sumber
comment
Anda ingin database bergabung, mungkin Anda dapat menggunakan left_join dari dplyr, tetapi Anda harus memberi kami contoh data dan keluaran dengan cara yang dapat direproduksi terlebih dahulu.   -  person Spacedman    schedule 03.06.2015
comment
@AlexanderOrona, Poin kecil: Anda harus menggunakan seq_along() daripada seq() saat membuat urutan sepanjang vektor. Hal ini karena jika vektor masukan hanya berisi satu elemen, seq() mengubah perilakunya untuk menghasilkan urutan dari 1 ke nilai elemen. Jadi, misalnya, seq(3) menghasilkan 1 2 3, tetapi Anda ingin 1 di sini. Alternatifnya, Anda dapat menggunakan 1:length(x), tetapi itu tidak akan menangani kasus degenerasi vektor dengan panjang nol dengan benar. seq_along() menangani semua kasus ini dengan sempurna.   -  person bgoldst    schedule 03.06.2015

Jawaban (2)


arrow_upward
0
arrow_downward

Berikut solusinya, menggunakan data masukan acak dengan peluang 50% bahwa sel tertentu akan berbeda antara d1 dan d2:

set.seed(1);
d1 <- data.frame(id=sample(300,200),variable1=sample(2,200,replace=T),variable2=sample(2,200,replace=T),variable3=sample(2,200,replace=T));
d2 <- data.frame(id=sample(300,150),variable1=sample(2,150,replace=T),variable2=sample(2,150,replace=T),variable3=sample(2,150,replace=T));
head(d1);
##    id variable1 variable2 variable3
## 1  80         1         2         2
## 2 112         1         1         2
## 3 171         2         2         1
## 4 270         1         2         2
## 5  60         1         2         2
## 6 266         2         2         2
head(d2);
##    id variable1 variable2 variable3
## 1 258         1         2         1
## 2  11         1         1         1
## 3 290         2         1         2
## 4 222         2         1         2
## 5  81         2         1         1
## 6 200         1         2         1
com <- intersect(d1$id,d2$id); ## derive common id values
d1com <- match(com,d1$id); ## find indexes of d1 that correspond to common id values, in order of com
d2com <- match(com,d2$id); ## find indexes of d2 that correspond to common id values, in order of com
v1diff <- com[d1$variable1[d1com]!=d2$variable1[d2com]]; ## get ids of variable1 discrepancies
v1diff;
##  [1]  60 278  18 219 290  35 107   4 237 131  50 210  29 168   6 174  61 127  99 220 247 244 157  51  84 122 196 125 265 115 186 139   3 132 223 211 268 102 155 207 238  41 199 200 231 236 172 275 250 176 248 255 222  59 100  33 124
v2diff <- com[d1$variable2[d1com]!=d2$variable2[d2com]]; ## get ids of variable2 discrepancies
v2diff;
##  [1] 112  60  18 198 219 290 131  50 210  29 168 258 215 291 127 161  99 220 110 293  87 164  84 122 196 125 186 139  81 132  82  89 223 268  98  14 155 241 207 231 172  62 275 176 248 255  59 298 100  12 156
v3diff <- com[d1$variable3[d1com]!=d2$variable3[d2com]]; ## get ids of variable3 discrepancies
v3diff;
##  [1] 278 219 290  35   4 237 131 168 202 174 215 220 247 244 261 293 164  13 294  84 196 125 265 115 186  81   3  89 223 211 268  98  14 155 241 207  38 191 200 276 250  45 269 255 298 100  12 156 124

Berikut bukti bahwa semua nilai variable1 untuk id di v1diff benar-benar berbeda antara d1 dan d2:

d1$variable1[match(v1diff,d1$id)]; d2$variable1[match(v1diff,d2$id)];
##  [1] 1 2 2 1 1 2 2 1 1 1 2 2 2 2 1 2 2 1 2 2 1 1 2 1 1 2 1 1 1 1 1 1 1 1 1 2 2 2 1 2 2 1 1 2 1 1 2 1 2 1 2 2 1 2 2 1 1
##  [1] 2 1 1 2 2 1 1 2 2 2 1 1 1 1 2 1 1 2 1 1 2 2 1 2 2 1 2 2 2 2 2 2 2 2 2 1 1 1 2 1 1 2 2 1 2 2 1 2 1 2 1 1 2 1 1 2 2

Berikut bukti bahwa semua nilai variable1 untuk id tidak di v1diff tidak berbeda antara d1 dan d2:

with(subset(d1,id%in%com&!id%in%v1diff),variable1[order(id)]); with(subset(d2,id%in%com&!id%in%v1diff),variable1[order(id)]);
##  [1] 1 1 2 1 1 1 2 2 1 2 2 1 2 2 1 1 2 1 2 1 2 1 1 1 1 1 1 2 2 2 2 1 1 1 2 2 2 1 1 1 1
##  [1] 1 1 2 1 1 1 2 2 1 2 2 1 2 2 1 1 2 1 2 1 2 1 1 1 1 1 1 2 2 2 2 1 1 1 2 2 2 1 1 1 1

Di sini, saya membungkus solusi ini dalam fungsi yang mengembalikan vektor nilai id yang tidak sesuai dalam daftar, dengan setiap komponen diberi nama untuk variabel yang diwakilinya:

compare <- function(d1,d2,cols=setdiff(intersect(colnames(d1),colnames(d2)),'id')) {
    com <- intersect(d1$id,d2$id);
    d1com <- match(com,d1$id);
    d2com <- match(com,d2$id);
    setNames(lapply(cols,function(col) com[d1[[col]][d1com]!=d2[[col]][d2com]]),cols);
};
compare(d1,d2);
## $variable1
##  [1]  60 278  18 219 290  35 107   4 237 131  50 210  29 168   6 174  61 127  99 220 247 244 157  51  84 122 196 125 265 115 186 139   3 132 223 211 268 102 155 207 238  41 199 200 231 236 172 275 250 176 248 255 222  59 100  33 124
##
## $variable2
##  [1] 112  60  18 198 219 290 131  50 210  29 168 258 215 291 127 161  99 220 110 293  87 164  84 122 196 125 186 139  81 132  82  89 223 268  98  14 155 241 207 231 172  62 275 176 248 255  59 298 100  12 156
##
## $variable3
##  [1] 278 219 290  35   4 237 131 168 202 174 215 220 247 244 261 293 164  13 294  84 196 125 265 115 186  81   3  89 223 211 268  98  14 155 241 207  38 191 200 276 250  45 269 255 298 100  12 156 124
person bgoldst    schedule 02.06.2015

arrow_upward
0
arrow_downward

Berikut adalah pendekatan menggunakan merge.

Pertama, gabungkan kerangka data, pertahankan semua kolom.

x <- merge(d1, d1, by="id")

Kemudian, temukan semua baris yang tidak cocok:

x[x$variable1.x != x$variable1.y | x$variable2.x != x$variable2.y | 
  x$variable3.x != x$variable3.y, ]
person jeremycg    schedule 04.06.2015