如何知道 R 中的文本文件中缺少哪一行（日期）？答案

【问题标题】：How to know which line (date) is missing in a text file in R?如何知道 R 中的文本文件中缺少哪一行（日期）？
【发布时间】：2015-02-09 10:35:20
【问题描述】：

我有一个文本文件dat，其中包含 2008-2009 两年的数据（每日值）。总行数是 730，但应该是 731（因为 2008 有 366）所以缺少一个日期（线）。我想知道我怎样才能知道缺少哪个日期？每天应该有一行（行）

文件：

head(dat)
     Year day   valu 
61322 2008   1    0.301 
61346 2008   2    0.285 
61370 2008   3    0.272 
61394 2008   4    0.253

【问题讨论】：

标签： r

【解决方案1】：

试试：

dfDate = with(dat, as.Date(day, origin="2008-01-01"))

yearDates = seq(as.Date("2008-01-01"),as.Date("2009-12-31"), by="days")

yearDates[!yearDates %in% dfDate]

【讨论】：

【解决方案2】：

这非常复杂。但也许我在这里犯了一个逻辑错误，还有一个更直接的解决方案。

首先，一些助手：

days_in_year = function (year)
    1 : (if (is_leap_year(year)) 366 else 365)

is_leap_year = function (year)
    year %% 4 == 0 && (year %% 100 != 0 || year %% 400 == 0)

现在我们可以生成每年的完整天数列表，并查看这些天数是否都存在于您的data.frame：

years = c(2008, 2009)
years = setNames(years, years)
full_years = lapply(years, days_in_year)

missing_days = lapply(years, function (y) which(is.na(match(full_years[[as.character(y)]], subset(dat, Year == y)$day))))

【讨论】：

【解决方案3】：

你可以用count.fields()统计文件中的字段

txt <- "Year day   valu 
61322 2008   1    0.301

61370 2008   3    0.272 
61394 2008   4    0.25"

我们可以使用skip = 1 将起始行设置为2，这样标题行就不会出现在结果中，而blank.lines.skip = FALSE 可以取回任何空白行（显示为零）。您可以通过取 4 的差异来发现任何其他差异。

(cf <- count.fields(textConnection(txt), skip = 1, blank.lines.skip = FALSE))
# [1] 4 0 4 4
which(cf == 0)
# [1] 2

所以现在您可以推断缺少的日期可能在第二行。在您的情况下，在文件上运行 count.fields() 应该会告诉您缺少的行在哪里。

count.fields("file.dat", skip = 1, blank.lines.skip = FALSE)

还有其他有用的参数

> args(count.fields)
function (file, sep = "", quote = "\"'", skip = 0, blank.lines.skip = TRUE, 
    comment.char = "#")

【讨论】：

这表明 that 行丢失（OP 已经知道），而不是 which 行丢失，除非恰好在代替缺失行的输入。
它们是按顺序排列的，所以你可以推断出哪些是缺失的== 0
对，假设缺失记录的位置应该有一个空行。
对，但您也可以查找字段数量的差异。如果缺少日期但该行的其余部分存在，我们将看到 3 而不是 4（减去标题行）
我仍然不相信这会帮助 OP，因为我假设他有一个完整的表格，只是删除了一个完整的行）但这是一种非常有趣的技术，我不知道，所以绝对是一个有用的答案。