如何检测多个CSV文件中指定列名的存在情况

刚好我经常用tidyverse处理这类批量文件的问题，给你调整一下思路，完美实现你要的结果：

核心思路调整 #

你的read_plus函数不需要读取整个文件内容——我们只需要列名就足够做检测了，这样处理大文件时效率会高很多。我们让函数返回每个文件的「文件名+各目标列的存在标记（1=存在，0=不存在）」，再用map_df批量合并所有文件的结果。

完整代码实现 #

library(tidyverse)

# 1. 定义待检测的列名向量
col_names_to_test <- c("date", "name", "age", "age_value", "gender")

# 2. 定义批量检测函数
read_plus <- function(flnm) {
  # 只读取文件的列名（不加载数据），节省内存
  file_colnames <- read_csv(flnm, n_max = 0) %>% colnames()
  
  # 对每个目标列做存在检测，生成0/1的列
  check_results <- map_dfc(
    col_names_to_test,
    ~ tibble(!!.x := as.integer(.x %in% file_colnames))
  )
  
  # 绑定文件名和检测结果，返回单行数据
  bind_cols(
    tibble(filename = str_remove(basename(flnm), "\\.csv$")), # 去掉.csv后缀，和你的示例一致
    check_results
  )
}

# 3. 获取目标文件夹下所有CSV文件路径
csv_files <- list.files(
  path = "./folder-with-csv-files", # 替换成你的实际文件夹路径
  pattern = "\\.csv$", # 精确匹配CSV文件
  full.names = TRUE,
  recursive = TRUE
)

# 4. 批量处理所有文件，生成最终结果
result_df <- csv_files %>% map_df(read_plus)

# 查看结果
print(result_df)

输出结果（和你的期望完全一致） #

# A tibble: 3 × 6
  filename  date  name   age age_value gender
  <chr>    <int> <int> <int>     <int>  <int>
1 csv_1        1     1     1         0      1
2 csv_2        0     0     1         0      0
3 csv_3        1     1     0         1      1

额外说明 #

• 用n_max = 0读取列名：避免加载整个文件，尤其是当CSV文件很大时，能大幅提升运行速度
• str_remove(basename(flnm), "\\.csv$")：如果需要保留完整文件名（包括.csv后缀），去掉这个函数即可
• 完全遵循tidyverse的管道式风格，和你平时的使用习惯一致

内容的提问来源于stack exchange，提问作者Emman