Rで解析：２つのデータの差異を確認「versus」パッケージ

２つのデータの差異を確認するのに便利なパッケージの紹介です。ただ、差異キー列データはユニークなデータであることが必要なので注意です。

パッケージバージョンは0.3.0。実行コマンドはwindows 11のR version 4.3.3で確認しています。

パッケージのインストール

下記コマンドを実行してください。

# パッケージのインストール
install.packages("versus")

コマンドの紹介

詳細はコマンド、パッケージのヘルプを確認してください。

なお、紹介ではfactor classをcharacter classに変換していますが、変換しなくとも動作します。

# パッケージの読み込み
library("versus")

### データ例の準備 #####
# tidyverseパッケージの読み込み
# tidyverseパッケージがなければインストール
if(!require("tidyverse", quietly = TRUE)){
  install.packages("tidyverse");require("tidyverse")
}

set.seed(1234)
Test_A <- as_tibble(iris[sample(nrow(iris), 10),]) |>
  mutate(Species = as.character(Species)) |>
  distinct(Species, .keep_all = TRUE)

Test_A
# A tibble: 3 × 5
#    Sepal.Length Sepal.Width Petal.Length Petal.Width Species   
#           <dbl>       <dbl>        <dbl>       <dbl> <chr>     
#  1          5.2         3.5          1.5         0.2 setosa    
#  2          5.7         2.6          3.5         1   versicolor
#  3          6.3         3.3          6           2.5 virginica 


set.seed(4567)
Test_B <- as_tibble(iris[sample(nrow(iris), 10),]) |>
  mutate(Species = as.character(Species)) |>
  distinct(Species, .keep_all = TRUE) |>
  rename("Width" = Sepal.Width)

Test_B[2, 5] <- "virginica_02"

Test_B
# A tibble: 3 × 5
#    Sepal.Length Width Petal.Length Petal.Width Species     
#           <dbl> <dbl>        <dbl>       <dbl> <chr>       
#  1          4.7   3.2          1.6         0.2 setosa      
#  2          7.4   2.8          6.1         1.9 virginica_02
#  3          5.9   3.2          4.8         1.8 versicolor  
########

# データの差異情報を表示:compareコマンド
# 比較基準になる列を指定:byオプション;両方のデータ共にUniqueデータ
compare(table_a = Test_A, table_b = Test_B, by = Species)
# $tables
# # A tibble: 2 × 4
#   table   expr    nrow  ncol
#   <chr>   <chr>  <int> <int>
# 1 table_a Test_A     3     5
# 2 table_b Test_B     3     5
# 
# $by
# # A tibble: 1 × 3
#   column  class_a   class_b  
#   <chr>   <chr>     <chr>    
# 1 Species character character
# 
# $intersection
# # A tibble: 3 × 5
#     column       n_diffs class_a class_b diff_rows       
#     <chr>          <int> <chr>   <chr>   <list>          
#   1 Sepal.Length       2 numeric numeric <tibble [2 × 2]>
#   2 Petal.Length       2 numeric numeric <tibble [2 × 2]>
#   3 Petal.Width        1 numeric numeric <tibble [1 × 2]>
#   
# $unmatched_cols
# # A tibble: 2 × 2
#   table column     
#   <chr> <chr>      
# 1 a     Sepal.Width
# 2 b     Width      
# 
# $unmatched_rows
# # A tibble: 2 × 3
#   table Species        row
#   <chr> <chr>        <int>
# 1 a     virginica        3
# 2 b     virginica_02     2


# データの指定列の差異の値を表示:value_diffsコマンド
# 注:compareコマンドの結果を使用します
# compareコマンドの結果を設定:comparisonオプション
# 列を指定:comparisonオプション
compare(table_a = Test_A, table_b = Test_B, by = Species) |>
  value_diffs(Sepal.Length)
# A tibble: 2 × 3
# 　Sepal.Length_a Sepal.Length_b Species   
#　 　　　　　<dbl>          <dbl> <chr>     
# 1            5.2            4.7 setosa    
# 2            5.7            5.9 versicolor


# データの差異の全値を表示:value_diffs_stackedコマンド
compare(table_a = Test_A, table_b = Test_B, by = Species) |>
  value_diffs_stacked()
# A tibble: 5 × 4
# 　column       val_a val_b Species   
# 　<chr>        <dbl> <dbl> <chr>     
# 1 Sepal.Length   5.2   4.7 setosa    
# 2 Sepal.Length   5.7   5.9 versicolor
# 3 Petal.Length   1.5   1.6 setosa    
# 4 Petal.Length   3.5   4.8 versicolor
# 5 Petal.Width    1     1.8 versicolor

# 指定したデータの差異のデータを取得:slice_diffsコマンド
# 取得するデータを指定:tableオプション;"a"/"b"で指定 
compare(table_a = Test_A, table_b = Test_B, by = Species) |>
  slice_diffs(table = "a", column = Sepal.Length)
# A tibble: 2 × 5
#     Sepal.Length Sepal.Width Petal.Length Petal.Width Species   
#            <dbl>       <dbl>        <dbl>       <dbl> <chr>     
#   1          5.2         3.5          1.5         0.2 setosa    
# 　2          5.7         2.6          3.5         1   versicolor

少しでも、あなたの解析が楽になりますように！！