Question

如果我手动创建2个DF，那么代码就会按照预期的方式执行：

`df1 <- structure(list(CompanyName = c("Google", "Tesco")), .Names = "CompanyName", class = "data.frame", row.names = c(NA, -2L))

df2 <- structure(list(CompanyVariationsNames = c("google plc", "tesco bank","tesco insurance", "google finance", "google play")), .Names =  "CompanyVariationsNames", class = "data.frame", row.names = c(NA, -5L))-5L))
 `

test <- df2 %>% rowwise() %>% mutate(CompanyName = as.character(Filter(length, lapply(df1$CompanyName, function(x) x[grepl(x, CompanyVariationsNames, ignore.case=T)])))) %>% group_by(CompanyName) %>% summarise(Variation = paste(CompanyVariationsNames, collapse=",")) %>% cSplit("Variation", ",")

这会产生以下结果：

CompanyName Variation_1 Variation_2 Variation_3 1: Google google plc google finance google play 2: Tesco tesco bank tesco insurance NA

但.....如果我导入一个数据集（使用read.csv），那么我得到以下错误Error in mutate_impl(.data, dots) : Column CompanyName must be length 1 (the group size), not 0。我的数据集相当大，因此df1将有1000行，df2将有54k行。是否有一个特定的原因，为什么代码在手动创建数据集时有效，而在导入数据时却没有？

DF1包含公司名称，DF2包含这些公司的变体名称

请帮忙！

Answer 1

从CSV导入可能会非常棘手。查看默认分隔符（逗号）是否特别适用于您的文件。如果没有，您可以通过将sep参数设置为有效的字符来更改它。（例如：read.csv(file_path, sep = ";")由于我们当地的惯例，这是我国的一个共同问题。

事实上，如果您的标准是分号，read.csv2(file_path)就足够了。

而且（为了避免进一步的麻烦）csv混乱使用十进制值的列是非常普遍的，因为这里我们使用逗号作为十进制分隔符而不是点。因此，在任何其他列中检查这是否也是您文件中的问题是值得的。

如果是这种情况，您可以通过设置read.csv（例如read.csv2）

在dec = ","或read.csv(file_path, sep = ";", dec = ",")设置适当的参数

当数据集源更改时，R不会产生相同的结果

1 个答案: