r - 查找数据框对角线上的所有零

Question

我不知道之前是否有人问过这个问题，所以我想继续发布它。
我有一个如下所示的数据框:

YEAR    CountyCode         C01   C02 C03 C04 C05 C06 . . .  
2012    C01                132    0   3   1   4   9 
2012    C02                 0    21   0   57  0   0 
2012    C03                 0    0   56   0  1    1
2012    C04                 0    6    0  40 0    26 
2012    C06                 0    0    1   0  0    0 
2012    C07                 0    0    1  32  219  6
.        .      
.        .
.        .
2013    C01                220    9   2   4   0   0 
2013    C02                 0    54   0   62  0   2 
2013    C03                 0    0   24   0   1   1
2013    C04                 0    6    0  224  0   2 
2013    C06                 0    0    2   0   0   0 
2013    C07                 0    0    1  37   2   3

以此类推 5 年的数据。每年与 75 个列相关联，其中条目“C0x”与县代码下的特定“C0x”相关联。基本上它是一种付款人矩阵。

CountyCode 下的所有行都是正确的(大约有 65 个正确的行)，而垂直列并不都是正确的。有非常具体的县代码(例如，1、2、3、4、6 等)。

因此，正如您所看到的，C05 与 C05 不匹配，因为它实际上并不存在，而且对角线上有一个中断。因为表格格式是为了任何人都可以使用它，所以输入值的人显然犯了重大错误。

唯一的目标是找到列不正确的对角线上的所有值并打破对角线。我想清除这些。例如，在 C05(列)和 C06 行(在县代码下)下，2012-2016 年为零。输出可以只是一个简单的列表，如下所示: [1] C05,C40, ...所以我可以找到这些异常值并更好地定位它们。

关键是要在列中找到错误的县。

PS:每年大约有 65(行)x 75(列)，虽然我可以尝试手动进行，但我想对其进行编码，以便可以进一步使用。

谢谢!

Answer 1

使用 data.table 的可能解决方案-包裹:

library(data.table)
setDT(df)

df[, .(cols_not_in_rows = setdiff(names(.SD)[-1], CountyCode),
       rows_not_in_cols = setdiff(CountyCode, names(.SD)[-1]))
   , by = YEAR]

这使:

   YEAR cols_not_in_rows rows_not_in_cols
1: 2012              C05              C07
2: 2013              C05              C07

使用数据:

df <- structure(list(YEAR = c(2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 2013L, 2013L, 2013L, 2013L, 2013L, 2013L),
                     CountyCode = c("C01", "C02", "C03", "C04", "C06", "C07", "C01", "C02", "C03", "C04", "C06", "C07"),
                     C01 = c(132L, 0L, 0L, 0L, 0L, 0L, 220L, 0L, 0L, 0L, 0L, 0L),
                     C02 = c(0L, 21L, 0L, 6L, 0L, 0L, 9L, 54L, 0L, 6L, 0L, 0L),
                     C03 = c(3L, 0L, 56L, 0L, 1L, 1L, 2L, 0L, 24L, 0L, 2L, 1L),
                     C04 = c(1L, 57L, 0L, 40L, 0L, 32L, 4L, 62L, 0L, 224L, 0L, 37L),
                     C05 = c(4L, 0L, 1L, 0L, 0L, 219L, 0L, 0L, 1L, 0L, 0L, 2L),
                     C06 = c(9L, 0L, 1L, 26L, 0L, 6L, 0L, 2L, 1L, 2L, 0L, 3L)),
                .Names = c("YEAR", "CountyCode", "C01", "C02", "C03", "C04", "C05", "C06"), class = "data.frame", row.names = c(NA, -12L))