如何检查行值是否与对应的列值匹配

Question

我有一个数据框，它是通过导入几个 .csv 文件然后将它们合并在一起创建的。

我读入的每个数据框都有第 8 行的列标题，前七行有一些描述性文本。

这就是出现重复行的原因 - 因为我无法使用第一个数据帧中第 8 行中的值，然后丢弃其余数据帧中的前 8 行（或者我可以 - 我'我确定这是可能的）。

最终，我想要发生的是：

- Read first .csv into data frame.
- Take values of row 8 to be column names
- Delete the first 8 rows.
- Read all other .csv files in, remove the first 8 rows from each one, and merge them all into the same data frame.

我现在面临一个问题，即某些行将包含与其对应的列名称相同的值。

例如，合并后的数据框现在看起来像这样：

--------------------------
| Name | Age | MonthBorn |
-------------------------
| Bob  | 23  | September |
| Steve| 45  | June      |
| Name | Age | MonthBorn | # Should be removed
| Sue  | 74  | January   |
| Name | Age | MonthBorn | # Should be removed
| Tracy| 31  | February  |
--------------------------

问题是组合数据框几乎有 340,000 行深，所以我无法手动检查所有内容。另外，我大概知道每一行可能出现的位置，但我不能确定，因为可能会有变化。

我如何检查 row/cell 的值是否与相应的列名称匹配或设置导入过程如上文所述（项目符号）？

Answer 1

如果您的数据框大致如下所示：

Df <- Data.frame(Name, Age, MonthBorn)

然后您可以使用 ifelse 语句来测试 "MonthBorn" 是否连续出现。

Df$MonthBornTest <- ifelse(Df$MonthBorn == “MonthBorn”, “True”, “False”}

然后您应该能够执行此操作以删除包含 True 的行，从而有效地删除您不再需要的行。

Df <- Df[!(Df$MonthBornTest == “True”), ]

Answer 2

您的数据

df <- structure(list(Name_ = c("Bob", "Steve", "Bob", "Name", "Sue", 
"Name", "Tracy"), `_Age_` = c("23", "45", "23", "Age", "74", 
"Age", "31"), `_MonthBorn` = c("September", "June", "September", 
"MonthBorn", "January", "MonthBorn", "February")), .Names = c("Name_", 
"_Age_", "_MonthBorn"), row.names = c(NA, -7L), class = c("data.table", 
"data.frame"))

解决方案

library(stringr)
df[!sapply(1:nrow(df), function(x) all(mapply(function(x,y) str_detect(x,y), colnames(df), df[x,]))),]

输出

   Name_ _Age_ _MonthBorn
1:   Bob    23  September
2: Steve    45       June
3:   Bob    23  September
4:   Sue    74    January
5: Tracy    31   February

Answer 3

我们可以使用 dplyr 和 tidyr 中的函数将所有列的内容组合在一起。之后，过滤掉与组合列名称相同的那些。 dt2 是最终输出。

# Create example data
dt <- read.table(text = "Name Age MonthBorn
Bob 23 September
Steve 45 June 
Bob 23 September
Name Age MonthBorn
Sue 74 January
Name Age MonthBorn
Tracy 31 February",
                 header = TRUE, stringsAsFactors = FALSE)

# Load package
library(dplyr)
library(tidyr)

# Process the data
dt2 <- dt %>%
  unite(ColName, everything(), sep = ", ", remove = FALSE) %>%
  filter(ColName != toString(colnames(dt))) %>%
  select(-ColName)

dt2
   Name Age MonthBorn
1   Bob  23 September
2 Steve  45      June
3   Bob  23 September
4   Sue  74   January
5 Tracy  31  February

如何检查行值是否与对应的列值匹配

How to check if row value matches corresponding column value

r

columnname

duplicates

您的数据

解决方案

输出