R 数据清理：查找非常相似变量的函数

我有一些大数据，其中部分由非常相似的变量组成。有些变量缺少值（例如，下例中的x3和x5），有些变量类似，但标签不同（例如x2和x5）。为了清理数据，我想识别并最终删除这些类似的变量。我试图编写一个函数，返回所有相似变量对的列名。以下是一些示例数据：

# Example data

set.seed(222)

N <- 100
x1 <- round(rnorm(N, 0, 10))
x2 <- round(rnorm(N, 10, 20))
x3 <- x1
x3[sample(1:N, 7)] <- NA
x4 <- x1
x4[sample(1:N, 5)] <- round(rnorm(5, 0, 10))
x5 <- x2
x5 <- paste("A", x5, sep = "")
x5[sample(1:N, 15)] <- NA

df <- data.frame(x1, x2, x3, x4, x5)

df$x1 <- as.character(df$x1)
df$x2 <- as.character(df$x2)
df$x3 <- as.character(df$x3)
df$x4 <- as.character(df$x4)
df$x5 <- as.character(df$x5)

head(df)

#示例数据
种子集（222）
N在插入符号包中，有一个功能可以发现相关变量以及其他变量的线性组合：

为了比较列，首先需要数值。您可以使用
gsub（）
仅提取数值，然后转换为数值。完成此转换后，您就可以开始了：

df <- apply(df, 2, function(x) as.numeric( gsub("[^0-9]", "", x) ))

因此，在80%以上的情况下，
1和3
、
1和4
、
2和5
以及
3和4
列彼此相等

注意：如果一个或两个比较值的
NA
，这将被视为不匹配
 非常感谢你的回答。由于缺少值，
findCorrelation
函数给了我一些错误。我可以想象在插入符号中有一个解决方法，但是由于Ken S.的解决方案对我有效，我接受了他的回答。当你调用“cor”函数时，你必须添加参数：na.rm=trueThank，这正是我想要的。
df <- apply(df, 2, function(x) as.numeric( gsub("[^0-9]", "", x) ))

combs <- combn(ncol(df), 2)

res <- apply(combs, 2, function(x){
  sum(df[, x[1]] == df[, x[2]], na.rm = TRUE)/nrow(df)
})

thresh <- 0.8
combs[, res > thresh]
#      [,1] [,2] [,3] [,4]
# [1,]    1    1    2    3
# [2,]    3    4    5    4