我有两个大 Dataframe a和b，其中identical(a,b)是TRUE，all.equal(a,b)也是all.equal(a,b)，但是identical(digest(a),digest(b))是FALSE。
此外，我试图通过将摘要应用于一串行来更深入地挖掘，令人难以置信的是，至少对我来说，子帧上的摘要值一直到 Dataframe 的最后一行都是一致的。
下面是一系列比较：

> 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，但它们的摘要值不同。数据框中是否还有其他因素会产生这样的差异？
更多详情：对象大约是10 M行x 12列。str()的输出如下：

'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，我把这些转换成矩阵。摘要是一样的。

> aM = as.matrix(a)
> bM= as.matrix(b)
> identical(aM,bM)
[1] TRUE
> digest(aM)
[1] "c5147d459ba385ca8f30dcd43760fc90"
> digest(bM)
[1] "c5147d459ba385ca8f30dcd43760fc90"

然后，我尝试转换回 Dataframe ，摘要值相等（等于a的前一个值）。

> aMF = as.data.frame(aM)
> bMF = as.data.frame(bM)
> digest(aMF)
[1] "cac56b06078733b6fb520442e5482684"
> digest(bMF)
[1] "cac56b06078733b6fb520442e5482684"

所以，b看起来像坏男孩，它有一个丰富多彩的过去。b来自一个更大的 Dataframe ，比如B。我只取B中出现在a中的列，并检查它们是否相等。但是有不同的摘要。我把列名（从“信息栏名称1”到“V1”等），只是为了避免可能出现的任何问题-尽管all.equal和identical倾向于指出列名不同的情况。
由于我正在运行两个不同的程序，并且不能同时访问a和b，所以使用摘要值来检查计算结果对我来说是最简单的，但是，我从 Dataframe 中提取列，然后将digest()应用到它的方式似乎有些奇怪。

**回答：**结果，令我惊讶（沮丧、恐惧、尴尬，你能想到的都有）的是，identical对属性非常宽容，我以为只有all.equal对属性宽容。

这是通过Tommy的建议identical(d1, d2, attrib.as.set=FALSE)发现的。运行attributes(a)是一个非常糟糕的主意：大量的行名称需要一段时间才能被Ctrl-C打断。names(attributes())的输出如下：

> names(attributes(a))
[1] "names"     "row.names" "class"    
> names(attributes(b))
[1] "names"     "class"     "row.names"

他们的顺序不同！digest()对我直言不讳。

更新

为了帮助其他人解决这个问题，似乎简单地重新排列属性就足以得到相同的散列值。由于修改属性顺序对我来说是新的，这可能会破坏一些东西，但在我的情况下是有效的。注意，如果对象很大，这会消耗一些时间;我还不知道有什么更快的方法可以做到这一点（我也希望使用矩阵或数据表来代替数据框架，这可能是避免使用数据框架的另一个动机）。

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