Cómo comparar dos data frames en R

Problema

Queremos comparar dos data frames en R y comprobar si tienen las mismas filas o no. También deseamos saber las filas que son iguales y diferentes.

Datos

   Date Time   pH
1  10/8  600 3.85
2  10/9  800 4.05
3 10/10 1300 3.95

   Date Time   pH
1  10/8  600 3.85
2 10/12  900 4.05
3 10/10 1300 3.95

df1 <- read.table(text="Date    Time    pH
                  1   10/8    600     3.85
                  2   10/9    800     4.05
                  3   10/10   1300    3.95", 
                  head=TRUE)

df2 <- read.table(text="Date    Time    pH
                  1    10/8    600     3.85
                  2    10/12   900     4.05
                  3    10/10   1300    3.95", 
                  head=TRUE)

Soluciones

Si solamente deseamos saber si dos data frames son o no iguales, es tan sencillo como:

identical(df1, df2)

[1] FALSE

Para comparar fila a fila, disponemos de varias alternativas con diferentes paquetes. A efectos ilustrativos calculamos las filas en df1 que no se encuentran en df2. Para obtener las de df2 no presentes en df2, alterar el orden en el código.

Paquete compare

library(compare)
compare(df1, df2)

FALSE [FALSE, FALSE, TRUE]

La salida de datos indica primero si el data frame es igual y entre corchetes si las filas son iguales (TRUE) o no (FALSE). Si queremos incluir los valores no disponibles (NAs), utilizamos la función addNA:

Paquete dplyr

library(dplyr)

Filas diferentes presentes en el df1

anti_join(df1, df2)

  Date Time   pH
1 10/9  800 4.05

Filas comunes

semi_join(df1, df2)

   Date Time   pH
1  10/8  600 3.85
2 10/10 1300 3.95

Paquete sqldf

library(sqldf)

Filas diferentes presentes en el df1

sqldf('SELECT * FROM df1 EXCEPT SELECT * FROM df2')

  Date Time   pH
1 10/9  800 4.05

Filas comunes

sqldf('SELECT * FROM df1 INTERSECT SELECT * FROM df2')

   Date Time   pH
1  10/8  600 3.85
2 10/10 1300 3.95

Entradas relacionadas

• Eliminar duplicados de un data frame en R

Referencias

• stackoverflow