如何高效检查列表中data.frame多列重复并在stop中输出结果

一、高效检查列表中data.frame的指定列重复值 #

可以通过指定待检查列的向量，结合purrr::imap_dfr实现更简洁灵活的检查逻辑，同时输出结构更清晰的长格式结果：

1. 定义待检查列名向量，后续修改或扩展列只需调整此向量
2. 遍历列表时直接绑定列表名称，避免后续手动合并
3. 统一处理每个data.frame的指定列，生成包含列表名、列名、是否有重复的结果表

library(tidyverse)

# 示例数据
ls <- list(a = iris, b = iris)
# 指定需要检查重复值的列
check_cols <- c("Petal.Length", "Petal.Width")

# 执行重复值检查
dup_check <- imap_dfr(ls, function(df, df_name) {
  tibble(
    列表名称 = df_name,
    列名称 = check_cols,
    存在重复值 = map_lgl(df[check_cols], ~any(duplicated(.x)))
  )
})

# 筛选出存在重复值的记录
dup_result <- dup_check %>% filter(存在重复值)

二、在stop函数中输出data.frame格式的结果 #

stop()仅接受字符串类型参数，直接传入print.data.frame无法正确输出表格。可以用capture.output()捕获表格的打印内容，转换为字符串后再传入stop：

if (nrow(dup_result) > 0) {
  # 将表格转换为字符串格式
  dup_str <- capture.output(print(dup_result, row.names = FALSE))
  # 输出错误信息
  stop("检测到重复值：\n", paste0(dup_str, collapse = "\n"))
}

完整代码 #

library(tidyverse)

ls <- list(a = iris, b = iris)
check_cols <- c("Petal.Length", "Petal.Width")

dup_check <- imap_dfr(ls, function(df, df_name) {
  tibble(
    列表名称 = df_name,
    列名称 = check_cols,
    存在重复值 = map_lgl(df[check_cols], ~any(duplicated(.x)))
  )
})

dup_result <- dup_check %>% filter(存在重复值)

if (nrow(dup_result) > 0) {
  dup_str <- capture.output(print(dup_result, row.names = FALSE))
  stop("检测到重复值：\n", paste0(dup_str, collapse = "\n"))
}

运行后若存在重复值，会输出类似如下的错误信息：

Error: 检测到重复值：
 列表名称       列名称 存在重复值
         a Petal.Length       TRUE
         a  Petal.Width       TRUE
         b Petal.Length       TRUE
         b  Petal.Width       TRUE

内容的提问来源于stack exchange，提问作者pgitti