如何使用 R 中的 diffdf 包比较两个数据集？

Question

我需要根据两列中的值作为键来比较几对庞大的数据集。 每对数据确实是数据的旧版本和更新版本。所以有些ID不匹配。我使用 semi_join 根据两个数据集中存在的 ID 对数据进行子集化（我不确定是否有必要！）。

df1_subset<- semi_join(df1, df2, by = c('ID1', 'ID2'))
df2_subset<- semi_join(df2, df1, by = c('ID1', 'ID2'))

我尝试使用 diffdf 包。但是我收到以下错误。

Error in diffdf(df1_subset, df2_subset, keys = "ID1", "ID2") :     
BY variables in BASE do not result in unique observations

谁能帮我解决这个问题？由于数据非常大，我不确定如何在此处提供样本。如果您有任何其他解决方案，我将不胜感激。

Answer 1

keys = "ID1", "ID2"

正在将值

"ID1"

分配给名为

keys=

的参数，并将未命名参数

"ID2"

分配给第三个未命名参数（前两个是您的两个子集框架），这恰好是

suppress_warnings=

（这应该是合乎逻辑的）。

我觉得你需要把两个ID包起来

c(...)

.

diffdf(df1_subset, df2_subset, keys = c("ID1", "ID2"))