如何檢查新數據摘錄是否具有相同的結構？

Question

我爲一家研究機構工作，提供由另一家機構管理的基於網絡的數據管理系統。我可以從該系統下載基礎數據作爲CSV文件的集合。使用R和knitr，我已經在這些文件之上構建了一個適度複雜的報告系統。但是每隔一段時間，另一個機構就會改變數據提取的格式，並炸燬我的報告（或者更糟糕的是，它會以一種我幾周沒有注意到的微妙而邪惡的方式來改變它）。

當這些事情發生時，他們可能永遠不會通知我，所以我想我應該進行更多的測試。我想首先測試一下那些CSV文件每次都有相同的結構（但是在我們收集更多數據時允許不同數量的行）。什麼是最好的方式來做到這一點？ R是我的首選工具，但我有興趣聽到其他人（這是免費的，在Windows上）。謝謝！

Answer 1

如果你的文件只是CSV的，這裏有一個例子（假設你保持周圍的引用文件）：

reference.file <- read.csv("ref.csv") 
new.file <- read.csv("new.file") 

struct.extract <- function(df) { 
    list(
    vapply(df, class, character(1L)), 
    attributes(df)[names(attributes(df)) != "row.names"] 
) 
} 
identical(struct.extract(reference.file), struct.extract(new.file)) 

與此相比列的數據幀的屬性，以及類。如果你需要更詳細的列格式，你可以很容易地擴展。這假定報告不會更改行數（或列數），但如果是這種情況，那麼也應該很容易修改。