如何从 R 中的名称列表中查找唯一名称/字符答案

【问题标题】：How to find unique name/character from a list of names in R如何从 R 中的名称列表中查找唯一名称/字符
【发布时间】：2016-04-07 09:46:17
【问题描述】：

我有一个庞大的公司名称列表。如下图所示，如果名称 company 是 ABBEYCREST.DEAD...10.10.14...ASK.PRICE，这意味着 ABBEYCREST.DEAD...10.10.14... 是公司名称，ASK.PRICE 是 ASK 价格数据当它以 BID.PRICE 结尾时，表示它的 BID PRICE 数据。我想确定数据框中只有一个列名可用的公司。实际上，我有一个具有列标题的数据框，如下图所示，这意味着每个公司应该有 2 列，如果有 4000 家公司，那么我的数据框中应该有 8000 列，但我有 7999（虽然我的数据框有一个日期列，但我排除了当我计算列时它）。

df<-AskBid

    ABBEYCREST.DEAD...10.10.14...ASK.PRICE
    ABBEYCREST.DEAD...10.10.14...BID.PRICE
    ABBOT.GROUP.DEAD...07.03.08...ASK.PRICE
    ABBOT.GROUP.DEAD...07.03.08...BID.PRICE
    ABERDEEN.ASSET.MAN..FULLY.PAID.23.09.05...ASK.PRICE
    ABERDEEN.ASSET.MAN..FULLY.PAID.23.09.05...BID.PRICE
    ABERDEEN.ASSET.MAN..NIL.PAID.23.09.05...ASK.PRICE
    ABERDEEN.ASSET.MAN..NIL.PAID.23.09.05...BID.PRICE
    ABERDEEN.FTBL.CLUB.DEAD...DEAD.04.08.03...ASK.PRICE
    ABERDEEN.FTBL.CLUB.DEAD...DEAD.04.08.03...BID.PRICE
    ABERTIS..IRS....BID.PRICE
    ABGENIX..IRS..DEAD...12.11.07...ASK.PRICE
    ABGENIX..IRS..DEAD...12.11.07...BID.PRICE
    ABLON.GROUP.DEAD...31.05.13...ASK.PRICE
    ABLON.GROUP.DEAD...31.05.13...BID.PRICE
    ACAMBIS.DEAD...25.09.08...ASK.PRICE
    ACAMBIS.DEAD...25.09.08...BID.PRICE

我要找的是

missing <- df
ABERTIS..IRS....BID.PRICE

非常感谢您的帮助。这导致我的估计出现问题。

【问题讨论】：

标签： r dataframe duplicates multiple-columns

【解决方案1】：

您可以删除ASK.PRICE 和BID.PRICE 部分并调用duplicated 两次（第二次按相反的顺序）：

cn <- readLines(textConnection(
"ABBEYCREST.DEAD...10.10.14...ASK.PRICE
ABBEYCREST.DEAD...10.10.14...BID.PRICE
ABBOT.GROUP.DEAD...07.03.08...ASK.PRICE
ABBOT.GROUP.DEAD...07.03.08...BID.PRICE
ABERDEEN.ASSET.MAN..FULLY.PAID.23.09.05...ASK.PRICE
ABERDEEN.ASSET.MAN..FULLY.PAID.23.09.05...BID.PRICE
ABERDEEN.ASSET.MAN..NIL.PAID.23.09.05...ASK.PRICE
ABERDEEN.ASSET.MAN..NIL.PAID.23.09.05...BID.PRICE
ABERDEEN.FTBL.CLUB.DEAD...DEAD.04.08.03...ASK.PRICE
ABERDEEN.FTBL.CLUB.DEAD...DEAD.04.08.03...BID.PRICE
ABERTIS..IRS....BID.PRICE
ABGENIX..IRS..DEAD...12.11.07...ASK.PRICE
ABGENIX..IRS..DEAD...12.11.07...BID.PRICE
ABLON.GROUP.DEAD...31.05.13...ASK.PRICE
ABLON.GROUP.DEAD...31.05.13...BID.PRICE
ACAMBIS.DEAD...25.09.08...ASK.PRICE
ACAMBIS.DEAD...25.09.08...BID.PRICE"))

## remove (ASK|BID).PRICE
cn.sub <- gsub("(ASK|BID)\\.PRICE$", "", cn)

cn[!(duplicated(cn.sub) | rev(duplicated(rev(cn.sub))))]
# [1] "ABERTIS..IRS....BID.PRICE"

【讨论】：

是否可以知道被移除的唯一公司名称。
对不起，我不太明白你的问题。上面代码的输出是唯一的列名（正如您在原始问题中所要求的那样）。如果"ABERTIS..IRS....BID.PRICE" 是唯一唯一的，您就知道"ABERTIS..IRS....ASK.PRICE" 丢失了。
我可以运行这段代码来找出两个不同数据框中不常见（唯一）的列标题（公司名称）吗？但在这些数据框中，公司名称以 .S 结尾，而在其他数据框中，相同的公司名称以 .TURNOVER.BY.VOLUME 结尾。
这是一个类似的问题：cn <- c(colnames(df1), colnames(df2)); cn.sub <- gsub ("(\\.S|\\.TURNOVER.BY.VOLUME)$", "", cn); cn[!(duplicated(cn.sub) | rev(duplicated(rev(cn.sub))))].
我确实意识到这有点牵强。然后从两个数据框中删除那些唯一的 /uncommon 。

【解决方案2】：

这是另一种解决方案，假设文本是读入的数据框中的列名：

library(dplyr)
df$text <- gsub(("(ASK|BID)", "", df$text)
df %>% group_by(text) %>% filter(n() != 2)

【讨论】：