【发布时间】：2017-12-12 14:55:10
【问题描述】：
我需要从电子表格中提取一些数据，其中有很多（超过一百个），所以我认为使用一些 R 脚本会更快。 （也许是my first error，但我想尝试一下，提高自己使用 R 操作文件和数据的能力。）
所有这些文件都在同一个文件夹中，其中大多数都有气象站或城市的名称，只有一些文件无关紧要。此外，它们的扩展名并不完全相同：有些是 .csv，有些是 .xls，有些是 .txt、.zip 或 .r（这些是不需要的文件）
我要做的是浏览我的文件夹，如果它与我相关，则选择文件名，只保留城市/车站的名称，打开文件，收集信息我需要，关闭它并转到下一个文件。
另外，有些城市有多个站点，或者同一个站点有多个文件。例如：
SomeCity.csv and SomeCity_1966-2001.csv
AnotherCity.station1.xls, AnotherCity.station2.xls
ACity.station.xls, ACity_1977-2005.csv
My.City.csv, My-City.csv
所以是的，事情并不总是那么简单......
我目前所做的只是查看 .csv 和 .xls 文件。如果存在“_”，那么我只保留它之前的内容，如果城市不在数据框中，则将其存储，如果没有，那么我只需删除扩展名即可获取城市名称。关于文件的扩展，我需要有这两种情况，因为里面的数据格式不一样：例如，站 ID 在 .xls 的第一列中，而在 .csv 的第二列中......
# Read files names :
files_list <- list.files(path="my/path/to/files")
n_files <- length(files_list)
df_out <- data.frame(matrix(ncol = 6, nrow = n_files))
x <- c("Name","Id","Granularity","Start","End","Missing")
colnames(df_out) <- x
i=1
j=1
# Browing the list of files
while(j<n_files)
{
file = files_list[j]
# Case of a .csv file :
if(grepl(".csv",file))
{
if(!grepl("_",file))
{
df_out$Name[i] <- gsub("\\.csv","",file)
i <- i+1
}
else if(!any(grepl(gsub("\\_.*","",file),df_out$Name)))
{
df_out$Name[i] <- gsub("\\_.*","",file)
i <- i+1
}
}
# Case of a .xls file :
else if(grepl(".xls",file))
{
if(!grepl("_",file))
{
df_out$Nom[i] <- gsub("\\.xls","",file)
i <- i+1
}
else if(!any(grepl(gsub("\\_.*","",file),df_out$Name)))
{
df_out$Nom[i] <- gsub("\\_.*","",file)
i <- i+1
}
}
j <- j+1
}
df_out <- df_out[1:i-1,]
问题：在“My.city”和“My-City”的情况下，同一站点的数据框中将有 2 个不同的条目，我该如何避免这种情况？我正在考虑删除“。”或“-”并将名称存储为 MyCity 并查看另一个 MyCity 是否已经在这里，但是对于 My-City 的居民来说，污损他们的城市名称并不是很好。 开个玩笑，我只是觉得使用正则表达式会有更好的方法。 老实说，我觉得我正在做的大部分事情都可以用正则表达式在几行代码中完成。
这是我拥有的文件的实际列表：
"200601.txt"
"Abbeville.xls"
"Abbeville_1971-2005.csv"
"Agen.xls"
"Agen_1961-2005.csv"
"Ajaccio.xls"
"Ajaccio_1961-2003.csv"
"Auxerre.xls"
"Auxerre_1961-2005.csv"
"Bale-Mulhouse_1961-2005.csv"
"Bale.Mulhouse.xls"
"Beauvais_1994-2005.csv"
"Beauvais_2001-2005.csv"
"Besancon.xls"
"Besancon_1961-2005.csv"
"Biarritz.anglet.xls"
"Biarritz_1961-2005.csv"
"Bonneville.xls"
"Bordeaux.Merignac.xls"
"Bordeaux_1961-2005.csv"
"Boulogne_1994-2005.csv"
"Boulogne_2001-2005.csv"
"Bourg-St-Maurice_1994-2005.csv"
"Bourg-St-Maurice_2001-2005.csv"
"Bourges.xls"
"Bourges_1961-2005.csv"
"Brest.Guipavas.xls"
"Brest_1961-2005_sauf_1989.csv"
"Brive.xls"
"Caen.Carpiquet.xls"
"Caen_1961-2005.csv"
"Cap.de.la.Heve.Le.Havre.xls"
"Carcassonne.xls"
"Cazaux.xls"
"Chambery.Aix.xls"
"Chambery_1974-2005.csv"
"Charleville.Mezieres.xls"
"Chartres.xls"
"Chartres_1961-2005.csv"
"Clermond-Fd_1961-2005.csv"
"Clermont.Fd.xls"
"Cognac.xls"
"Cognac_1961-2005.csv"
"Colmar.xls"
"Dijon.xls"
"Dijon_1961-2005.csv"
"Dinard.xls"
"Dinard_1961-2005.csv"
"Dinard_2003-2005.csv"
"donnees_triH_1961_2005.csv
"Dunkerque.txt"
"Dunkerque_1974-2008.csv"
"Embrun.xls"
"Embrun_1961-2005.csv"
"ENVOI_METEO_20040405.zip"
"Gourdon_1994-2005.csv"
"Gourdon_2001-2005.csv"
"Grenoble.le.versoud.xls"
"Grenoble.St.Geoirs.xls"
"Grenoble.St.Martin.heres.xls"
"Grenoble_1968-2005.csv"
"historiques Bordeaux et Dinard.txt"
"Hyeres_2007-2009.csv"
"Istres.csv"
"Istres.txt"
"La-Rochelle_1961-2005.csv"
"La-Rochelle_Aerodrome_2007-2009.csv"
"La.Rochelle.xls"
"Le.Puy.xls"
"Le.Touquet.xls"
"Lille.xls"
"Lille_1961-2005.csv"
"losvari.11069001.txt"
"losvari.14137001.txt"
"losvari.17300001.txt"
"losvari.31069001.txt"
"losvari.33529001.txt"
"losvari.62826001.txt"
"losvari.64549001.txt"
"losvari.76552001.txt"
"losvari.78621001.txt"
"Luxeil.xls"
"Luxeuil_1961-2005.csv"
"Lyon.Bron.xls"
"Lyon_1961-2005.csv"
"Macon_1994-2005.csv"
"Macon_2001-2005.csv"
"Marignane.xls"
"Marignane_1961-2005.csv"
"Metz.Frescaty.xls"
"Metz_1961-2005.csv"
"Millau.xls"
"Mise_en_forme.r"
"Montelimar.xls"
"Montelimar_1961-2005.csv"
"Montpellier.xls"
"Montpellier_1961-2005.csv"
"Nantes.Bouguenais.xls"
"Nantes_1961-2005.csv"
"Nice.xls"
"Nice_1961-2005.csv"
"Nimes.Courbessac.xls"
"Nimes_1961-2005.csv"
"Orange.xls"
"Orange_1961-2005.csv"
"Orleans.xls"
"Orleans_1961-2005.csv"
"Paris_1950-2005.csv"
"Paris1.xls"
"Pau.Uzein.xls"
"Pau_03-2006.csv"
"Pau_1961-2005.csv"
"Perpignan.xls"
"Perpignan_1961-2005.csv"
"Reims.Courcy.xls"
"Reims_1961-2005.csv"
"Rennes.St.Jacques.xls"
"Rennes_1961-2005.csv"
"Rennes_1961-2005_sauf_2003-2004.csv"
"Rennes_2003-2004.csv"
"Rouen.Boos.xls"
"Rouen_1969-2005.csv"
"Saint.Brieuc.xls"
"Saint.Girons.xls"
"St-Etienne_1961-2005.csv"
"St-Girons_1961-2005.csv"
"St-Quentin_1961-2008.csv"
"St.Auban.xls"
"St.Etienne.Boutheon.xls"
"St.Quentin.xls"
"Strasbourg.Entzheim.xls"
"Strasbourg_1949-2005.csv"
"Toulon.xls"
"Toulon_1961-2005.csv"
"Toulouse.Blagnac.xls"
"Toulouse_1961-2005.csv"
"Tours.xls"
"Tours_1960-2005.csv"
这是我的代码的输出（ID 很容易得到，但其余的可能不是......）：
Name Id Granularity Start End Missing
1 Abbeville NA NA NA NA NA
2 Agen NA NA NA NA NA
3 Ajaccio NA NA NA NA NA
4 Auxerre NA NA NA NA NA
5 Bale-Mulhouse NA NA NA NA NA
6 Bale.Mulhouse NA NA NA NA NA
7 Beauvais NA NA NA NA NA
8 Besancon NA NA NA NA NA
9 Biarritz.anglet NA NA NA NA NA
10 Bonneville NA NA NA NA NA
11 Bordeaux.Merignac NA NA NA NA NA
12 Boulogne NA NA NA NA NA
13 Bourg-St-Maurice NA NA NA NA NA
14 Bourges NA NA NA NA NA
15 Brest.Guipavas NA NA NA NA NA
16 Brive NA NA NA NA NA
17 Caen.Carpiquet NA NA NA NA NA
18 Cap.de.la.Heve.Le.Havre NA NA NA NA NA
19 Carcassonne NA NA NA NA NA
20 Cazaux NA NA NA NA NA
21 Chambery.Aix NA NA NA NA NA
22 Charleville.Mezieres NA NA NA NA NA
23 Chartres NA NA NA NA NA
24 Clermond-Fd NA NA NA NA NA
25 Clermont.Fd NA NA NA NA NA
26 Cognac NA NA NA NA NA
27 Colmar NA NA NA NA NA
28 Dijon NA NA NA NA NA
29 Dinard NA NA NA NA NA
30 donnees NA NA NA NA NA
31 Dunkerque NA NA NA NA NA
32 Embrun NA NA NA NA NA
33 Gourdon NA NA NA NA NA
34 Grenoble.le.versoud NA NA NA NA NA
35 Grenoble.St.Geoirs NA NA NA NA NA
36 Grenoble.St.Martin.heres NA NA NA NA NA
37 Hyeres NA NA NA NA NA
38 Istres NA NA NA NA NA
39 La-Rochelle NA NA NA NA NA
40 La.Rochelle NA NA NA NA NA
41 Le.Puy NA NA NA NA NA
42 Le.Touquet NA NA NA NA NA
43 Lille NA NA NA NA NA
44 Luxeil NA NA NA NA NA
45 Luxeuil NA NA NA NA NA
46 Lyon.Bron NA NA NA NA NA
47 Macon NA NA NA NA NA
48 Marignane NA NA NA NA NA
49 Metz.Frescaty NA NA NA NA NA
50 Millau NA NA NA NA NA
51 Montelimar NA NA NA NA NA
52 Montpellier NA NA NA NA NA
53 Nantes.Bouguenais NA NA NA NA NA
54 Nice NA NA NA NA NA
55 Nimes.Courbessac NA NA NA NA NA
56 Orange NA NA NA NA NA
57 Orleans NA NA NA NA NA
58 Paris NA NA NA NA NA
59 Paris1 NA NA NA NA NA
60 Pau.Uzein NA NA NA NA NA
61 Perpignan NA NA NA NA NA
62 Reims.Courcy NA NA NA NA NA
63 Rennes.St.Jacques NA NA NA NA NA
64 Rouen.Boos NA NA NA NA NA
65 Saint.Brieuc NA NA NA NA NA
66 Saint.Girons NA NA NA NA NA
67 St-Etienne NA NA NA NA NA
68 St-Girons NA NA NA NA NA
69 St-Quentin NA NA NA NA NA
70 St.Auban NA NA NA NA NA
71 St.Etienne.Boutheon NA NA NA NA NA
72 St.Quentin NA NA NA NA NA
73 Strasbourg.Entzheim NA NA NA NA NA
74 Toulon NA NA NA NA NA
75 Toulouse.Blagnac NA NA NA NA NA
76 Tours NA NA NA NA NA
感谢您的见解和帮助。 问候。
编辑： df_out$Name 的预期输出： （使用 ID 我可以判断 Grenoble.St.Geoirs 是否与 Grenoble.St.Martin 相同，这就是为什么现在它仍然在这里。）
Abbeville
Agen
Ajaccio
Auxerre
Bale-Mulhouse
Beauvais
Besancon
Biarritz.anglet
Biarritz
Bonneville
Bordeaux.Merignac
Bordeaux
Boulogne
Bourg-St-Maurice
Bourges
Brest.Guipavas
Brest
Brive
Caen.Carpiquet
Caen
Cap.de.la.Heve.Le.Havre
Carcassonne
Cazaux
Chambery.Aix
Chambery
Charleville.Mezieres
Chartres
Clermond-Fd
Cognac
Colmar
Dijon
Dinard
Dunkerque
Embrun
Gourdon
Grenoble.le.versoud
Grenoble.St.Geoirs
Grenoble.St.Martin
Grenoble
Hyeres
Istres
La-Rochelle_Aerodrome
La-Rochelle
Le.Puy
Le.Touquet
Lille
Luxeil
Lyon.Bron
Lyon
Macon
Marignane
Metz.Frescaty
Metz
Millau
Montelimar
Montpellier
Nantes.Bouguenais
Nantes
Nice
Nimes.Courbessac
Nimes
Orange
Orleans
Paris
Paris1
Pau.Uzein
Pau
Perpignan
Reims.Courcy
Reims
Rennes.St.Jacques
Rennes
Rouen.Boos
Rouen
Saint.Brieuc
Saint.Girons
St-Etienne
St-Girons
St-Quentin
St.Auban
St.Etienne.Boutheon
Strasbourg.Entzheim
Strasbourg
Toulon
Toulouse.Blagnac
Toulouse
Tours
【问题讨论】：
-
鉴于您提供的输入列表，预期结果是什么？对于 SO 的初学者来说，你的问题结构很好，做得很好 +1
-
谢谢，好吧，我需要类似的输出，但我的数据框中没有 Bale-Mulhouse 和 Bale.Mulhouse（例如），只有 Bale-Mulhouse。
-
所以基本上所有名称相同但分隔符创建2个条目的实例？所以
Clermond-Fd应该存在而Clermont.Fd不应该存在？ -
没错！ （我在帖子中添加了明确的预期输出。）
-
donnes_triH,ENVOI_METEO,heresinGrenoble.St.Martin.heres,historique Bordeaux et Dinard,losvari,Luxeuil(2 个拼写),Mise_en_forme, @987654你这个和St-Quentin是有效的输出）？除了这些奇怪的东西，我还有正确的答案。