[R] dplyr 패키지 all_equal() 함수 : 두 개의 데이터 프레임을 비교하여 동일 여부 확인하기

R의 dplyr 패키지에 대해서 연재를 하고 있는데요, dplyr 패키지 매뉴얼에 보니 유용한 함수들이 여럿 더 있네요. 그동안 dplyr 패키지 함수들에 대해서 소개했던것 외에 눈에 띄는 함수들을 서너번 더 나누어서 소개할까 합니다.

 

두 개의 데이터 프레임이 있을 때 "동일한 값을 가진 데이터 프레임인가?" 아니면 "서로 다른 값을 가진 데이터 프레임인가?"를 확인할 때 사용할 수 있는 {dplyr} 패키지의 all_equal() 함수를 소개하겠습니다.

 

비교하고자 하는 두 개의 데이터 프레임에 관측치와 변수가 모두 몇 개씩 밖에 안된다면 "눈으로 확인"하는 것도 가능할 것입니다.  하지만 관측치가 몇 백개를 넘어가거나, 혹은 변수가 몇 백개를 넘어간다면 육안으로 일일이 확인한다는게 피같은 시간을 낭비하는 것이 되며, 또 실수를 할 수도 있습니다.  더욱이 "데이터셋의 값은 동일한데 관측치의 순서만 다르건", 혹은 "데이터셋의 값은 동일한테 변수의 순서만 다른" 경우, 혹은 "데이터셋의 값은 동일한데 관측치의 순서와 변수의 순서만 서로 다른" 경우, 이건 뭐 육안으로 확인한다는게... 미치는거지요. ㅋㅋ

 

 

 

 

 

이때 간단하게 두 데이터 프레임 내의 값들이 서로 같은지를 간단하게 비교해서 TRUE, FALSE 를 반환해주는 함수가 dplyr 패키지의 all_equal() 함수입니다.

 

# all_equal() usage   all_equal(target, current, # two data frame to compare             ignore_col_order = TRUE, # Should order of columns be ignored?             ignore_row_order = TRUE, # Should order of rows be ignored?             convert = FALSE # Should similar classes be converted?)

 

 

 

{datasets} 패키지에 내장되어 있는 (1) mtcars 데이터 프레임 원본(target)과 (2) mtcars 의 행과 열을 임의로 순서만 바꾼 (단, 데이터는 변동없이 동일함) ran_sam_mtcars 데이터 프레임(current)을 만들어서 all_equal() 함수를 사용하여 비교를 해보겠습니다.

 

 

(1) 비교할 기준 target 데이터 프레임 : mtcars (원본)

 

 

> ##----------------------------------------------------------- > ## R {dplyr} package > ## > all_equal : flexible equality comparison for data frames > ##----------------------------------------------------------- > # install.packages("dplyr") # for the first time user of dplyr package > library(dplyr) > > # original data frame : mtcars > mtcars mpg cyl disp hp drat wt qsec vs am gear carb Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2 Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2 Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3 Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3 Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3 Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4 Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4 Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4 Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2 Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1 Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1 Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2 AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2 Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4 Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2 Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1 Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2 Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2 Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4 Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6 Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8 Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2

 

 

 

 

(2) 비교하고자 하는 현재(current) 데이터 프레임 만들기 : ran_sam_mtcars

(행과 열을 무작위로 섞어 놓았으며, 데이터 삭제나 추가 등의 변동은 없이 동일함)

 

위의 (1)번 원본 target과 동일한 데이터 프레임인데요, 눈으로 동일한 데이터셋인지 확인하라면 어떤 마음이 들까요? (노트북 던지고 싶은 마음? -,-;;;)

 

> # random sampled dataframe : ran_sam_mtcars > random_sample <- function(x) x[sample(nrow(x)), sample(ncol(x))] > > set.seed(1234) > ran_sam_mtcars <- random_sample(mtcars) > ran_sam_mtcars cyl qsec wt drat gear hp mpg vs carb disp am Fiat 128 4 19.47 2.200 4.08 4 66 32.4 1 1 78.7 1 Merc 230 4 22.90 3.150 3.92 4 95 22.8 1 2 140.8 0 Lotus Europa 4 16.90 1.513 3.77 5 113 30.4 1 2 95.1 1 Maserati Bora 8 14.60 3.570 3.54 5 335 15.0 0 8 301.0 1 Camaro Z28 8 15.41 3.840 3.73 3 245 13.3 0 4 350.0 0 Merc 240D 4 20.00 3.190 3.69 4 62 24.4 1 2 146.7 0 Duster 360 8 15.84 3.570 3.21 3 245 14.3 0 4 360.0 0 Hornet Sportabout 8 17.02 3.440 3.15 3 175 18.7 0 2 360.0 0 Valiant 6 20.22 3.460 2.76 3 105 18.1 1 1 225.0 0 Porsche 914-2 4 16.70 2.140 4.43 5 91 26.0 0 2 120.3 1 Fiat X1-9 4 18.90 1.935 4.08 4 66 27.3 1 1 79.0 1 Hornet 4 Drive 6 19.44 3.215 3.08 3 110 21.4 1 1 258.0 0 Mazda RX4 6 16.46 2.620 3.90 4 110 21.0 0 4 160.0 1 Pontiac Firebird 8 17.05 3.845 3.08 3 175 19.2 0 2 400.0 0 Cadillac Fleetwood 8 17.98 5.250 2.93 3 205 10.4 0 4 472.0 0 Ford Pantera L 8 14.50 3.170 4.22 5 264 15.8 0 4 351.0 1 Volvo 142E 4 18.60 2.780 4.11 4 109 21.4 1 2 121.0 1 Merc 450SL 8 17.60 3.730 3.07 3 180 17.3 0 3 275.8 0 Toyota Corolla 4 19.90 1.835 4.22 4 65 33.9 1 1 71.1 1 Ferrari Dino 6 15.50 2.770 3.62 5 175 19.7 0 6 145.0 1 Toyota Corona 4 20.01 2.465 3.70 3 97 21.5 1 1 120.1 0 Merc 450SE 8 17.40 4.070 3.07 3 180 16.4 0 3 275.8 0 Lincoln Continental 8 17.82 5.424 3.00 3 215 10.4 0 4 460.0 0 Mazda RX4 Wag 6 17.02 2.875 3.90 4 110 21.0 0 4 160.0 1 Dodge Challenger 8 16.87 3.520 2.76 3 150 15.5 0 2 318.0 0 Chrysler Imperial 8 17.42 5.345 3.23 3 230 14.7 0 4 440.0 0 AMC Javelin 8 17.30 3.435 3.15 3 150 15.2 0 2 304.0 0 Honda Civic 4 18.52 1.615 4.93 4 52 30.4 1 2 75.7 1 Merc 280C 6 18.90 3.440 3.92 4 123 17.8 1 4 167.6 0 Merc 280 6 18.30 3.440 3.92 4 123 19.2 1 4 167.6 0 Datsun 710 4 18.61 2.320 3.85 4 93 22.8 1 1 108.0 1 Merc 450SLC 8 18.00 3.780 3.07 3 180 15.2 0 3 275.8 0

 

 

 

 

(3) 두 개의 데이터 프레임, 즉 (1) target 데이터 프레임 mtcars 와, (2) current 데이터 프레임 ran_sam_mtcars 이 동일한 데이터를 가지고 있는건지 아닌지를 {dplyr} 패키지의 all_equal() 함수를 써서 확인해보기

 

> # all_equal() : flexible equality comparison for data frames > # By default, ordering of rows and columns ignored > all_equal(mtcars, ran_sam_mtcars) [1] TRUE

 

행과 열의 순서만 바뀌었을 뿐 값 자체에 대한 변동은 없으므로 당연히 "TRUE"라고 나와야 겠지요.

 

비교하는 두 개의 데이터 프레임이 행의 순서가 같은지(ignore_row_order = TRUE), 혹은 열의 순서가 같은지(ignore_col_order = TRUE)는 확인하지 않고 무시하게끔 default 옵션이 설정되어 있습니다.

 

 

 

 

(4) 행의 순서가 같은지 확인해보기
    : all_equal(target, current, ignore_row_order = FALSE),

    열의 순서가 같은지 확인해보기
    : all_equal(target, current, ignore_col_order = FALSE)

 

> # To check the equality of row's sequence : ignore_row_order = F > all_equal(mtcars, ran_sam_mtcars, ignore_row_order = FALSE) [1] "Same row values, but different order" > > > # To check the equality of column's sequence : ignore_col_order = F > all_equal(mtcars, ran_sam_mtcars, ignore_col_order = FALSE) [1] "Same column names, but different order"

 

 

 

마지막으로, convert 매개변수는 두 개의 데이터 프레임 내 동일한 변수 이름을 가지고 있고, 값도 서로 같은데, 속성만 하나는 "factor", 하나는 "character"인 경우 "factor"를 "character"로 변경해주어서 => all_equal() 함수 최종 평가 결과를 "TRUE"로 반환해줄 수 있도록 자동으로 속성 변환해서 비교해주는 기능을 수행합니다.

 

[Reference] https://cran.r-project.org/web/packages/dplyr/dplyr.pdf

 

 

많은 도움 되었기를 바랍니다.

 

이번 포스팅이 도움이 되었다면 아래의 '공감 ~ ♡'를 눌러주세요. ^^