如何在R数据框中筛选错误记录并输出指定统计结果？

问题背景 #

已有如下R数据框，已完成差异计算与错误校验：

column_name <- c("a","b","c","d","e")
first_column <- c(1,2,5,4,5)
second_column <- c(1,6,3,4,5)
df <- data.frame(column_name,first_column,second_column)

df$difference <- first_column - second_column
df$check_difference <- ifelse(df$difference != 0,"error",0)

数据框内容：

column_name first_column second_column difference check_difference
1           a            1             1          0                0
2           b            2             6         -4            error
3           c            5             3          2            error
4           d            4             4          0                0
5           e            5             5          0                0

需要输出如下格式的结果：

Number of error in the dataset is "2"
Error found in column "b"
Error found in column "c" 

解决方案 #

可以通过筛选错误行、统计数量并循环输出的方式实现，具体代码如下：

# 筛选出标记为错误的行
error_records <- df[df$check_difference == "error", ]

# 统计错误总数并格式化输出
cat(sprintf('Number of error in the dataset is "%d"\n', nrow(error_records)))

# 遍历错误记录，逐个输出对应列名
for (name in error_records$column_name) {
  cat(sprintf('Error found in column "%s"\n', name))
}

代码说明 #

1. df[df$check_difference == "error", ]：从数据框中筛选出所有check_difference值为"error"的行，存储到error_records中。
2. nrow(error_records)：获取错误记录的行数，也就是错误的总数。
3. sprintf()：用于格式化字符串，确保输出内容符合指定的引号格式。
4. cat()：负责将格式化后的内容打印到控制台。
5. for循环：遍历error_records中的column_name列，逐个输出错误提示信息。

运行上述代码后，即可得到需求中的输出结果。

内容的提问来源于stack exchange，提问作者Bubbles