我有两个大数据帧，a和b，identical(a,b)是TRUE，all.equal(a,b)也是，但是identical(digest(a),digest(b))是FALSE。是什么原因造成的？
此外，我尝试通过将摘要应用于成串的行来进行更深入的挖掘。至少在我看来，令人难以置信的是，子帧的摘要值一直到数据帧的最后一行都一致。
这是一系列比较:
> identical(a, b)
[1] TRUE
> all.equal(a, b)
[1] TRUE
> digest(a)
[1] "cac56b06078733b6fb520442e5482684"
> digest(b)
[1] "fdd5ab78ca961982d195f800e3cf60af"
> digest(a[1:nrow(a),])
[1] "e44f906723405756509a6b17b5949d1a"
> digest(b[1:nrow(b),])
[1] "e44f906723405756509a6b17b5949d1a"
我能想到的每种方法都表明这两个对象是相同的，但它们的摘要值却不同。关于数据帧，还有其他可能导致这种差异的地方吗？
有关更多详细信息:对象大约为1000万行x 12列。这是
str()的输出:'data.frame': 10056987 obs. of 12 variables:
$ V1 : num 1 11 21 31 41 61 71 81 91 101 ...
$ V2 : num 1 1 1 1 1 1 1 1 1 1 ...
$ V3 : num 2 3 2 3 4 5 2 4 2 4 ...
$ V4 : num 1 1 1 1 1 1 1 1 1 1 ...
$ V5 : num 1.8 2.29 1.94 2.81 3.06 ...
$ V6 : num 0.0653 0.0476 0.0324 0.034 0.0257 ...
$ V7 : num 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 ...
$ V8 : num 0.00653 0.00476 0.00324 0.0034 0.00257 ...
$ V9 : num 1.8 2.3 1.94 2.81 3.06 ...
$ V10: num 0.1957 0.7021 0.0604 0.1866 0.9371 ...
$ V11: num 1704 1554 1409 1059 1003 ...
$ V12: num 23309 23309 23309 23309 23309 ...
> print(object.size(a), units = "Mb")
920.7 Mb
更新1:一时兴起，我将它们转换为矩阵。摘要是相同的。
> aM = as.matrix(a)
> bM= as.matrix(b)
> identical(aM,bM)
[1] TRUE
> digest(aM)
[1] "c5147d459ba385ca8f30dcd43760fc90"
> digest(bM)
[1] "c5147d459ba385ca8f30dcd43760fc90"
然后，我尝试将其转换回数据帧，并且摘要值等于(并等于
a的先前值)。> aMF = as.data.frame(aM)
> bMF = as.data.frame(bM)
> digest(aMF)
[1] "cac56b06078733b6fb520442e5482684"
> digest(bMF)
[1] "cac56b06078733b6fb520442e5482684"
因此，
b看起来像个坏男孩，并且拥有丰富多彩的过去。 b来自更大的数据帧。我只取了出现在B中的B列，并检查它们是否相等。好吧，他们是平等的，但是有不同的摘要。我转换了列名(从“InformativeColumnName1”到“V1”，等等)，只是为了避免可能出现的任何问题-尽管当列名不同时a和all.equal往往会指出。由于我正在使用两个不同的程序，并且无法同时访问
identical和a，因此对我来说，最简单的方法是使用摘要值来检查计算。但是，如何从数据框中提取列然后将b应用于它，似乎有些奇怪。解答:
事实证明，令我惊讶的是(令人沮丧，恐怖，尴尬，请您命名)，
digest()对属性非常宽容。我以为只有identical可以宽恕属性。这是通过Tommy的建议
all.equal发现的。运行identical(d1, d2, attrib.as.set=FALSE)是一个坏主意，不好意思:在Ctrl-C中断行名称之前花了很长时间。这是attributes(a)的输出:> names(attributes(a))
[1] "names" "row.names" "class"
> names(attributes(b))
[1] "names" "class" "row.names"
他们的顺序不一样!恭喜
names(attributes())与我同在。更新
为了帮助其他人解决此问题，似乎简单地重新排列属性就足以获得相同的哈希值。由于对属性顺序进行修改对我来说是新的，所以这可能会破坏某些东西，但对我而言有效。请注意，如果对象很大，则会浪费一些时间。我不知道执行此操作的更快方法。 (我还希望转向使用矩阵或数据表而不是数据帧，这可能是避免数据帧的另一种诱因。)
tmpA0 = attributes(a)
tmpA1 = tmpA0[sort(names(tmpA0))]
a2 = a
attributes(a2) = tmpA1
tmpB0 = attributes(b)
tmpB1 = tmpB0[sort(names(tmpB0))]
b2 = b
attributes(b2) = tmpB1
digest(a2) # e04e624692d82353479efbd713ec03f6
digest(b2) # e04e624692d82353479efbd713ec03f6
identical(b,b2, attrib.as.set = FALSE) # FALSE
identical(b,b2, attrib.as.set = TRUE) # TRUE
identical(a2,b2, attrib.as.set = FALSE) # TRUE
最佳答案
没有实际的data.frames当然是很难知道的，但是其中一个区别可能是属性的顺序。 identical默认情况下会忽略该设置，但是设置attrib.as.set=FALSE可以更改此设置:
d1 <- structure(1, foo=1, bar=2)
d2 <- structure(1, bar=2, foo=1)
identical(d1, d2) # TRUE
identical(d1, d2, attrib.as.set=FALSE) # FALSE
关于r - R中具有不同摘要的相同数据帧？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/7585316/