r - 如何在多个 CSV 中测试某些列名是否存在

Question

我有大约 60 个 csv我想合并的文件。一个挑战是列的命名不一致，尽管基本上所有文件(应该)具有相同的数据。
为了解决这个问题，我想首先测试哪些文件具有某些列名(哪些没有)。我有一个字符串向量，其中每个元素都反射(reflect)一个列名，要检查它是否存在于每个 csv 文件中。
我正在尝试实现一个具有以下功能的数据框:

栏目 : 每列对应一个列名，我想测试是否存在

行 :每一行对应一个csv文件

值 :在每个单元格中，要么 0或 1标记csv文件是否有列名

例如 3 个 CSV

library(tidyverse)

df_1 <-
  tribble(~ date, ~ name, ~ age, ~ gender,
        "2020-11-29", "sarah", 43, "female")

df_2 <-
  tribble(~ createdAt, ~ person, ~ age, ~ is_female,
        "2020-10-10", "bob", 25, 0)

df_3 <- 
  tribble(~ date, ~ name, ~ age_value, ~ gender,
        "2010-01-07", "wendy", 70, "female")

write_csv(df_1, "csv_1.csv")
write_csv(df_2, "csv_2.csv")
write_csv(df_3, "csv_3.csv")

带名字的矢量
现在假设我不知道上面创建的 3 个 CSV 中的列名。我相信每个 CSV 的列名应该是 date , name , age , age_value , gender .

col_names_to_test <-
  c(
    "date",
    "name",
    "age",
    "age_value",
    "gender"
  )

解决方案的基础
这只是我的方向，基于 this nice solution定义阅读和编辑功能，然后使用 list.files与 purrr::map_df在定义的函数上。

read_plus <- 
  function(flnm) {
  read_csv(flnm, col_types = cols(.default = "c")) # %>%
  ## here some testing against the vector `col_names_to_test` ?
  }

tbl_with_sources <-
   list.files(path = //folder-with-csv-files,
              pattern = "*.csv", 
              full.names = TRUE,
              recursive = TRUE) %>% 
  map_df(~ read_plus(.))

这只是一个普遍的想法......我习惯于 tidyverse 方法，但我会对任何解决方案感到满意。
期望输出

  filename  date  name   age age_value gender
  <chr>    <dbl> <dbl> <dbl>     <dbl>  <dbl>
1 csv_1        1     1     1         0      1
2 csv_2        0     0     1         0      0
3 csv_3        1     0     0         1      1

Answer 1

定义一个函数 ok其中给定的文件名 f返回与 col_names_to_test 具有相同长度的命名 0/1 向量如果 col_names_to_test 的对应分量为 1在该文件中作为列名存在，否则为 0。然后定义一个文件名向量 files .给它命名而不带扩展名并应用 ok使用 map_dfr .
这是相当紧凑的，并且只使用 purrr。

library(purrr)

ok <- function(f) +setNames(col_names_to_test %in% names(read.csv(f)), col_names_to_test)
files <- Sys.glob("csv_*.csv")
shortnames <- sub("\\.csv$", "", basename(files))
files %>% setNames(shortnames) %>% map_dfr(ok, .id = "file")

给予:

# A tibble: 3 x 6
  file   date  name   age age_value gender
  <chr> <int> <int> <int>     <int>  <int>
1 csv_1     1     1     1         0      1
2 csv_2     0     0     1         0      0
3 csv_3     1     1     0         1      1

更新
已经完全修改。