r - 在多列中搜索字符串

Question

我有一个从 .CSV 文件读取的大型数据框(大约 40000 x 500)。该数据集包含一个错误代码组合列表，每个组合都专门列出了所有唯一代码。我正在搜索包含特定字符串的行，例如 "name="，以查看是否知道列出该组合的人。问题是我不知道这可能发生在哪一列，因为每行第 10 列及以后是不规则的，因为每个组合的错误代码数量是不规则的。这意味着在某个点之后，除了最大的错误代码组合之外，行都是空的。我只知道如果该行包含我要查找的字符串，它将位于包含任何信息的行的最后 6 列之一中。如果我正在寻找的那段字符串在一行中找到，我希望在不同的列中得到答案。

我已广泛寻找解决方案，但找不到满足我需求的任何解决方案。另外，我是 R 的新手。

[Fake dataset]

  Year  Problem_ID  Number.of.errors  X      X.1    X.2       X.3       X.4
1 2005  Server      2                 X-4555 X-1222 name=Sara
2 2011  Hardware    3                 X-8922 X-7644 X-6485
3 2015  Software    4                 X-8494 X-4321 X-7452    X-5321   name=John
4 2018  Hardware    2                 X-6901 X-1121  
5 2007  Server      3                 X-7655 X-6555 X-8999    name=Sara

[Desired output]

  Year  Problem_ID  Number.of.errors Name X      X.1    X.2       X.3       X.4
1 2005  Server      2                1    X-4555 X-1222 name=Sara
2 2011  Hardware    3                0     X-8922 X-7644 X-6485
3 2015  Software    4                1     X-8494 X-4321 X-7452    X-5321   name=John
4 2018  Hardware    2                0     X-6901 X-1121  
5 2007  Server      3                1     X-7655 X-6555 X-8999    name=Sara

Answer 1

选项 #1:

您可以使用 apply按照@RomanLuštrik 的建议获取name柱子。必须检查该行中的任何列是否具有与 name= 匹配的文本使用 any和 grep .解决方案如下:

df$name <- apply(df, 1, function(x)as.integer(any(grep("name=",x))))

df
#   Year Problem_ID Number.of.errors      X    X.1       X.2       X.3       X.4 name
# 1 2005     Server                2 X-4555 X-1222 name=Sara      <NA>      <NA>    1
# 2 2011   Hardware                3 X-8922 X-7644    X-6485      <NA>      <NA>    0
# 3 2015   Software                4 X-8494 X-4321    X-7452    X-5321 name=John    1
# 4 2018   Hardware                2 X-6901 X-1121      <NA>      <NA>      <NA>    0
# 5 2007     Server                3 X-7655 X-6555    X-8999 name=Sara      <NA>    1

选项#2:万一OP只对包含 name= 的行感兴趣text 那么它将是用户 csv按行过滤掉包含 name= 的行.

  All_lines <- readLines(file_name)

  desired_lines <- grep("name=", All_lines, value = TRUE)

desired_lines只得到那些包含 name= 的行.

数据:

df <- read.table(text = 
"Year  Problem_ID  Number.of.errors  X      X.1    X.2       X.3       X.4
1 2005  Server      2                 X-4555 X-1222 name=Sara NA       NA
2 2011  Hardware    3                 X-8922 X-7644 X-6485    NA       NA
3 2015  Software    4                 X-8494 X-4321 X-7452    X-5321   name=John
4 2018  Hardware    2                 X-6901 X-1121 NA       NA       NA 
5 2007  Server      3                 X-7655 X-6555 X-8999    name=Sara    NA",
header = TRUE, stringsAsFactors = FALSE)