1

我有几千个*.csv文件（都有一个唯一的名称），但标题 - 列在文件中是相等的 - 比如"Timestamp", "System_Name","CPU_ID"等......
我的问题是如何替换"System_Name"（这是一个系统名称，如"as12535.org.at"或任何其他字符组合，并将其匿名化？我很感激任何提示或指向正确方向...
在 CSV 文件的结构下方...

"Timestamp","System_Name","CPU_ID","User_CPU","User_Nice_CPU","System_CPU","Idle_CPU","Busy_CPU","Wait_IO_CPU","User_Sys_Pct"  
"1161025010002000","as06240.org.xyz:LZ","-1","1.83","0.00","0.56","97.28","2.72","0.33","3.26" 
"1161025010002000","as06240.org.xyz:LZ","-1","1.83","0.00","0.56","97.28","2.72","0.33","3.26" 
"1161025010002000","as06240.org.xyz:LZ","-1","1.83","0.00","0.56","97.28","2.72","0.33","3.26"

我尝试使用anonymizer在矢量级别上运行良好的 R 包，但我遇到了对我在 R 中读取的数千个 csv 文件执行此操作的问题 - 我尝试的是以下内容 - 创建一个包含所有 csv 文件的列表列表中的数据框。

initialize a list
r.path <- setwd("mypath")
ldf <- list()

# creates the list of all the csv files in my  directory - but filter for 
# files with Unix in the filename for testing.
listcsv <- dir(pattern = ".UnixM.") 

for (i in 1:length(listcsv)){
ldf[[i]] <- read.csv(file = listcsv[i]) 
}

我正在绞尽脑汁，因为我无法匿名化System_Name列，甚至无法替换某些字符（用于伪匿名化）并循环遍历列表（ldf）和该列表的数据框元素。

我的列表ldf（包含单个 csv 文件的 df）如下所示：

summary(ldf)
Length Class      Mode
[1,] 5      data.frame list
[2,] 5      data.frame list
[3,] 5      data.frame list

显示我的列表的结构，包含所有文件内容作为数据框

我现在如何读取所有 CSV 文件，更改或匿名化整个甚至部分"System_Name"列，并在 R 的循环中为我的目录中的每个 CSV 执行此操作？不需要超级优雅——当它完成工作时我很高兴:-)

4

1 回答 1

2

这样做的常见模式是：

df <- do.call(
  rbind,
  lapply(dir(pattern = "UnixM"), 
         read.csv, stringsAsFactors = FALSE)
)
df$System_Name <- anonymizer::anonymize(df$System_Name)

它与您尝试的不同，因为它将所有数据帧绑定到一个，然后匿名。

当然，您可以像@S Rivero 建议的那样将所有内容保存在一个列表中。它看起来像：

listdf <- lapply(
  dir(pattern = "UnixM"),
  function(filename) {
    df <- read.csv(filename, stringsAsFactors = FALSE)
    df$System_Name <- anonymizer::anonymize(df$System_Name)
    df
  }
)
于 2017-08-31T17:12:20.950 回答