Question

我有40个CSV文件。每一个都有一列名字。在每个名称列中，可以重复相同的名称（总共，名称列平均有20,000行，大约一半是唯一的）。我想创建一个显示在多个文件中的名称列表（同时告诉它出现在哪些文件中）。如果同一个名字出现在多个文件中，我想知道每个文件的名称。

所以，小规模：

  File1
  Name
  John
  Peter
  Abby
  John


  File2
  Mike
  Tim
  John
  Anothername


  File3
  Me
  Mike
  Adam
  Eve

我想要的输出类似于：

data.frame
Names         File
John           1
John           2
Mike           2
Mike           3

Answer 1

如果您将所有csv放入列表中，这可能会采取以下方法：

#generate a fake data set easy to work with
LIST <- lapply(rpois(10, 10), function(i)data.frame(id=1:i, state=sample(state.name, i)))

#add the file number as a column
v <- lapply(1:length(LIST), function(i)data.frame(LIST[[i]], file=rep(i, nrow( LIST[[i]]))))

#make one big data frame
dat <- do.call(rbind, v)[, -1]

#reorder said data frame
dat[order(dat$state, dat$file), ]

在R中提取唯一的字符串

1 个答案: