如何从waldo :: compare返回的对象中提取出色的值？ 但是，现在，我如何提取不同的值？

如何解决如何从waldo :: compare返回的对象中提取出色的值？ 但是，现在，我如何提取不同的值？

我正在尝试使用一个名为waldo（see at the tidyverse blog too）的新R包，该包旨在比较数据对象以查找差异。根据文档，waldo::compare()函数将返回一个对象：

带有“ waldo_compare”类的字符向量

此功能的主要目的是在控制台内使用，利用着色功能突出显示数据对象之间不相等的突出值。但是，尽管仅在控制台中进行检查很有用，但我确实想获取这些值并对其进行操作（从数据中过滤掉它们，等等）。因此，我想以编程方式提取出色的价值。我不知道。

示例

1. 生成长度为10的向量：

set.seed(2020)

vec_a <- sample(0:20,size = 10)

## [1]  3 15 13  0 16 11 10 12  6 18

1. 创建重复矢量，并将其他元素（4）添加到第11个自变量

vec_b <- vec_a
vec_b[11] <- 4
vec_b <- as.integer(vec_b) 

## [1]  3 15 13  0 16 11 10 12  6 18  4

1. 使用waldo::compare()测试两个向量之间的差异

waldo::compare(vec_a,vec_b)

## `old[8:10]`: 12 6 18  
## `new[8:11]`: 12 6 18 4

之所以如此，是因为它在控制台中突出显示了：

---

但是，现在，我如何提取不同的值？

我可以尝试将waldo::compare()分配给一个对象：

waldo_diff <- waldo::compare(vec_a,vec_b)

然后呢？当我尝试做waldo_diff[[1]]时，我得到：

[1] "`old[8:10]`: \033[90m12\033[39m \033[90m6\033[39m \033[90m18\033[39m  \n`new[8:11]`: \033[90m12\033[39m \033[90m6\033[39m \033[90m18\033[39m \033[34m4\033[39m"

对于waldo_diff[[2]]，情况更糟：

waldo_diff [3]中的错误：下标超出范围

有什么想法我可以以编程方式提取出现在“新”向量中而不是“旧”向量中的出色值吗？

解决方法

作为免责声明，在您发布此软件包之前，我对此一无所知，因此这与权威性答案相去甚远，但是您无法轻易地使用compare()函数提取不同的值，因为它会返回一个ANSI格式的字符串可用于漂亮的打印。相反，向量的主力军似乎是内部函数ses()和ses_context()，它们返回两个对象之间差异的索引。差异似乎是ses_context()将结果分成了一系列不连续的差异。

waldo:::ses(vec_a,vec_b)

# A tibble: 1 x 5
     x1    x2 t        y1    y2
  <int> <int> <chr> <int> <int>
1    10    10 a        11    11

结果表明，新向量在位置11处开始有一个加法。

以下简单函数的作用范围非常有限，并且假定仅关注新向量中的加法运算：

new_diff_additions <- function(x,y) {
  res <- waldo:::ses(x,y)
  res <- res[res$t == "a",]  # keep only additions
  if (nrow(res) == 0) {
    return(NULL)
  }  else {
    Map(function(start,end) {
      d <- y[start:end]
      `attributes<-`(d,list(start = start,end = end))
    },res[["y1"]],res[["y2"]])
  }
}
    
new_diff_additions(vec_a,vec_b)

[[1]]
[1] 4
attr(,"start")
[1] 11
attr(,"end")
[1] 11

,

至少在比较两个向量的简单情况下，您会更好 使用diffobj::ses_dat()（来自 waldo 使用的软件包 在幕后）直接：

waldo::compare(1:3,2:4)
#> `old`: 1 2 3  
#> `new`:   2 3 4

diffobj::ses_dat(1:3,2:4)
#>       op val id.a id.b
#> 1 Delete   1    1   NA
#> 2  Match   2    2   NA
#> 3  Match   3    3   NA
#> 4 Insert   4   NA    3

出于完整性考虑，您可以提取其他内容，例如：

extract_additions <- function(x,y) {
  ses <- diffobj::ses_dat(x,y)
  y[ses$id.b[ses$op == "Insert"]]
}

old <- 1:3
new <- 2:4

extract_additions(old,new)
#> [1] 4