如何在R语言中检查字符类型列的数据格式一致性？

你之前的代码有两个核心问题：一是正则表达式太宽松，只检查了是否包含'I'，完全没匹配你要的完整格式；二是用length()统计不符合的行数逻辑错误——df[!grepl(...),]返回的是数据框，length()会返回这个数据框的总元素数（行数×列数），不是你实际需要的错误行数。

针对你的需求，正确做法是用严格的正则表达式匹配I-XXXXXXXXX格式（I-开头，后跟恰好9位数字），步骤如下：

1. 标记不符合格式的行
   用grepl()配合精准正则匹配：

   # 生成逻辑向量，TRUE对应格式不符合的行
   invalid_rows <- !grepl("^I-\\d{9}$", df$column1, perl = TRUE)
   

   正则规则解释：

   • ^：匹配字符串的开头，确保前缀就是I-
   • I-：固定的开头字符，必须是大写I加横杠
   • \\d{9}：匹配恰好9个数字（\\d代表数字，{9}指定长度）
   • $：匹配字符串的结尾，确保后面没有多余字符
   • perl = TRUE：启用Perl兼容正则语法，让匹配更稳定

2. 统计错误行数
   直接对逻辑向量求和（TRUE会被识别为1，FALSE为0）：

   sum(invalid_rows)
   

   或者用nrow()统计错误数据的行数：

   nrow(df[invalid_rows, ])
   

3. 查看具体错误数据
   如果你想定位到具体哪些行格式不对，直接提取子集即可：

   df[invalid_rows, ]
   

内容的提问来源于stack exchange，提问作者godlytheelix