5

我有 20 个不同的 .csv 文件，我需要一些如何在 R 中堆叠数据，以便我可以全面了解数据。目前我正在复制和粘贴 excel 中的列以制作一个大数据集。但是，我确信在 R 中有一种更快、更有效的方法，因为这最终需要一段时间。

此外，更糟糕的是，每个数据集中的一些变量名称并不相同。例如 VARIABLE1 在某些数据集中写为 variable1。我将如何在 R 中纠正这一点，因为我知道 R 区分大小写？

任何帮助将不胜感激。谢谢！

4

3 回答 3

3

如果您（或希望您）熟悉data.table包，最简单和最快的方法是这种方式（未经测试）：

require(data.table)
in_pth <- "path_to_csv_files" # directory where CSV files are located, not the files.
files <- list.files(in_pth, full.names=TRUE, recursive=FALSE, pattern="\\.csv$")
out <- rbindlist(lapply(files, fread))

list.files参数：

  • full.names = TRUE将返回文件的完整路径。假设你in_pth <- "c:\\my_csv_folder"和里面有两个文件：01.csv and 02.csv. 然后，full.names=TRUE将返回c:\\my_csv_folder\\01.csv和c:\\my_csv_folder\\02.csv（完整路径）。

  • recursive = FALSE不会在您的文件夹内的目录in_pth中搜索。假设您在c:\\my_csv_folder\\another_folder. 现在，如果你想在这个文件中加载这些文件，那么你可以设置recursive=TRUE，它将扫描文件，直到你找到所有目录搜索下来。

  • pattern=\\.csv$：这是一个正则表达式，用于告诉要加载哪种文件。如果您的文件夹除了 csv 文件之外还有文本文件 (.txt)，那么通过指定此模式，您将只加载csv文件。如果您的文件夹只有 CSV 文件，则不需要这样做。

数据表功能：

  • rbindlist通过保留前一个 data.table 的名称来避免列名冲突。也就是说，如果您有两个data.tables分别dt1, dt2具有列名x,y和a,b，那么 doingrbindlist(dt1,dt2)将负责更改a,b为x,y并将rbindlist(dt2, dt1)负责更改x,y为a,b。

  • fread最常自动处理列、标题分隔符等。而且速度非常快（尽管仍处于试验阶段，因此您可能需要检查输出以确保一切正常（即使稳定））。

于 2013-06-24T09:54:13.017 回答
0

@Denis：同样值得研究一下plyr包装。rbind.fill(...) 允许您按行组合 data.frames。

install.packages("plyr")
library(plyr)

help (rbind.fill)详细信息为您提供以下内容：

rbinds用 NA 填充缺失列的数据框列表。

用法

rbind.fill(...) 论据

...输入数据帧到行绑定在一起。第一个参数可以是数据框列表，在这种情况下，所有其他参数都将被忽略。

细节

rbind这是对所有输入中不存在的列添加的增强，接受数据帧列表，并且运行速度大大加快。

输出中的列名和类型将按照它们出现的顺序出现。不执行检查以确保输入中的每一列都具有一致的类型。

据我所知，没有cbind.fill；但是，有一个用户功能cbind.fill允许您按列组合 data.frames。详情在这里。

有两种解决方案：一种依赖于rbind.fill，plyr package另一种独立于rbind.fill。

于 2013-06-24T13:10:30.250 回答
-1

另一种不使用外部包的方法是使用 cbind() 命令：它对每列进行绑定。所以如果你有不同的表，你可以将它们作为参数传递给 cbind()，它们将被附加

于 2013-06-24T10:16:43.477 回答