解析R语言legacy_repair函数功能及setdiff作用

legacy_repair <- function(nms, prefix = "X", sep = "__") {
        if (length(nms) == 0)
                return(character()) # Returns a blank character variable?
        blank <- nms == "" # What does this do? Put quotations "" around the column name?
        nms[!blank] <- make.unique(nms[!blank], sep = sep)
        new_nms <- 
                setdiff(paste(prefix, seq_along(nms), sep = sep), nms)
        nms[blank] <- new_nms[seq_len(sum(blank))]
        nms
}

file_names <- list.files("Data", pattern = "*.xlsx", full.names = TRUE) # This I understand

DF_list <- lapply(file_names, function(x)
                read_xlsx(x, .name_repair = legacy_repair))

疑问解答 #

1. 关于return(character())的触发条件 #

你的理解有误。legacy_repair的参数nms接收的是Excel文件的列名向量，不是Data文件夹里的文件名。只有当传入的列名向量长度为0时（比如某个Excel文件完全没有列标题），函数才会返回空字符向量character()，和文件夹中的文件名是否空白完全无关。

2. 关于make.unique()的作用 #

你的理解是正确的。make.unique(nms[!blank], sep = sep)会对所有非空白的列名进行去重处理：如果有重复的列名，会在重复名称的末尾追加sep（这里是__）和数字后缀，比如重复的列名score会被处理为score、score__1、score__2，确保非空白列名都是唯一的。

3. 关于setdiff()的具体作用 #

这一步是为空白列生成不与现有列名重复的候选名称，拆解来看：

• paste(prefix, seq_along(nms), sep = sep)会生成一批格式为X__1、X__2、X__3...的候选名称，数量和原列名总数一致。
• setdiff(..., nms)会从这批候选名称里剔除掉已经存在于当前处理后的列名（也就是经过make.unique去重后的非空白列名）的那些，剩下的都是完全唯一的新名称。
• 最后用这些唯一的新名称替换原列名中的空白项，保证最终所有列名都是唯一且无冲突的。

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