Эффективный способ сравнить все столбцы в таблице данных R

Другой метод заключается в использовании внутреннего соединения для достижения результата:

sapply(c(col1 = "col1",col2 = "col2"), function(x) dt1[dt2, on=c("ids", x), nomatch=0L, .N])

выход:

col1 col2 
   2    2 

вот пример данных, если кому-то интересно время кодов (нет tidyverse здесь, чтобы время)

library(data.table)
set.seed(0L)
nr <- 1e6L
nc <- 2L
nids <- nr/100
dt1 <- as.data.table(matrix(sample(nids, nr*nc, replace=TRUE), ncol=nc))[, ids := 1:nr]
setnames(dt1, names(dt1), gsub("^V", "col", names(dt1)))
dt2 <- as.data.table(matrix(sample(nids, nr*nc, replace=TRUE), ncol=nc))[, ids := 1:nr]
setnames(dt2, names(dt2), gsub("^V", "col", names(dt2)))

некоторые тайминги для data.table решений:

временной код:

library(microbenchmark)
microbenchmark(
    mtd0 = {
            cols <- structure(paste0("col", seq_len(nc)), names=paste0("col", seq_len(nc)))
            sapply(cols, function(x) dt1[dt2, on=c("ids", x), nomatch=0L, .N])
        },
    mtd1=melt(dt1, id.vars = "ids")[ melt(dt2, id.vars = "ids"), ids2 := i.ids, on = .(variable, value)][
        !is.na(ids2), .N, by = variable],
    times=3L)

тайминги:

Unit: milliseconds
 expr       min        lq      mean    median        uq       max neval cld
 mtd0  179.4386  186.3906  195.6833  193.3425  203.8057  214.2689     3  a 
 mtd1 8306.7968 8373.2351 8467.4561 8439.6734 8547.7858 8655.8982     3   b

Подход, использующий объединение расплавленных таблиц данных.

melt(dt1, id.vars = "ids")[ melt(dt2, id.vars = "ids"), ids2 := i.ids, on = .(variable, value)][!is.na(ids2), .N, by = variable][]

   variable N
1:     col1 2
2:     col2 2

Одна tidyverse возможность может быть:

dt2 %>%
 inner_join(dt1, by = c("ids" = "ids")) %>%
 gather(var, val, -ids) %>%
 separate(var, c("var", "temp")) %>%
 count(ids, var, val) %>%
 group_by(var) %>%
 summarise(n = length(n[n > 1])) %>%
 ungroup()

  var       n
  <chr> <int>
1 col1      2
2 col2      2

Я думаю, что map из purrr идеально подходит для этого в сочетании с фильтрующим соединением semi_join из dplyr, которое возвращает строки, которые существуют в обоих df.

library(purrr)
library(dplyr)

map_dfc(c("col1", "col2"),
        ~dt1 %>% 
          semi_join(dt2 %>% select("ids", .x)) %>% 
          summarise(!!.x := n()))

Результат

  col1 col2
1    2    2

Другой tidyverse подход:

library(tidyverse)
library(data.table)

dt1 <- data.table(ids = c(1, 2, 5), col1 = c("A", "B", "F"), col2 = c("B", "F", "G"))
dt2 <- data.table(ids = c(2, 1, 6, 5), col1 = c("B", "A", "K", "L"), col2 = c("F", "G", "M", "G"))

dt1 %>% gather(col,value1,-ids) %>%                                   # reshape dt1
  inner_join(dt2 %>% gather(col,value2,-ids), by=c("ids","col")) %>%  # reshape dt2 and join
  group_by(col) %>%                                                   # for each col value
  summarise(res = sum(value1 == value2))                              # count matches

# # A tibble: 2 x 2
#    col    res
#   <chr> <int>
# 1 col1      2
# 2 col2      2