15

我有一个数据框列表，我最终想要合并这些数据框，同时保留其原始数据框名称或列表索引的记录。这将允许我在所有行中对等进行子集化。为此，我想为每个数据帧添加一个新变量“id”，其中包含它所属的数据帧的名称/索引。

编辑：“在我的真实代码中，数据框变量是通过使用以下代码读取多个文件创建的，所以我没有实际名称，只有 'files.to.read' 列表中的那些我不确定它们是否会对齐使用数据框顺序：

mylist <- llply(files.to.read, read.csv)

在几篇文章中强调了一些方法： Working-with-dataframes-in-a-list-drop-variables-add-new-ones和 Using-lapply-with-changeing-arguments

我尝试了两种类似的方法，第一种使用索引列表：

df1 <- data.frame(x=c(1:5),y=c(11:15))
df2 <- data.frame(x=c(1:5),y=c(11:15))
mylist <- list(df1,df2)

# Adds a new coloumn 'id' with a value of 5 to every row in every dataframe.
# I WANT to change the value based on the list index.
mylist1 <- lapply(mylist, 
    function(x){
        x$id <- 5
        return (x)
    }
)
#Example of what I WANT, instead of '5'.
#> mylist1
#[[1]]
  #x  y id
#1 1 11  1
#2 2 12  1
#3 3 13  1
#4 4 14  1
#5 5 15  1
#
#[[2]]
  #x  y id
#1 1 11  2
#2 2 12  2
#3 3 13  2
#4 4 14  2
#5 5 15  2

第二次尝试传递列表的 names()。

# I WANT it to add a new coloumn 'id' with the name of the respective dataframe
# to every row in every dataframe.
mylist2 <- lapply(names(mylist), 
    function(x){
        portfolio.results[[x]]$id <- "dataframe name here"
        return (portfolio.results[[x]])
    }
)
#Example of what I WANT, instead of 'dataframe name here'.
# mylist2
#[[1]]
  #x  y id
#1 1 11  df1
#2 2 12  df1
#3 3 13  df1
#4 4 14  df1
#5 5 15  df1
#
#[[2]]
  #x  y id
#1 1 11  df2
#2 2 12  df2
#3 3 13  df2
#4 4 14  df2
#5 5 15  df2

但是 names() 函数不适用于数据框列表；它返回 NULL。我可以在第一个示例中使用 seq_along(mylist) 吗？

处理整个“与源ID合并”的任何想法或更好的方法

编辑 - 在下面添加了解决方案：我已经使用 Hadleys 的建议和 Tommy 的轻推实现了一个解决方案，看起来像这样。 

files.to.read <- list.files(datafolder, pattern="\\_D.csv$", full.names=FALSE)
mylist <- llply(files.to.read, read.csv)
all <- do.call("rbind", mylist)
all$id <- rep(files.to.read, sapply(mylist, nrow))

我使用 files.to.read 向量作为每个数据帧的 id

我也从使用 merge_recurse() 改变了，因为由于某种原因它非常慢。 

 all <- merge_recurse(mylist)

谢谢大家。

4

4 回答 4

19

就个人而言，我认为折叠后添加名称更容易：

df1 <- data.frame(x=c(1:5),y=c(11:15))
df2 <- data.frame(x=c(1:5),y=c(11:15))
mylist <- list(df1 = df1, df2 = df2)

all <- do.call("rbind", mylist)
all$id <- rep(names(mylist), sapply(mylist, nrow))
于 2011-08-16T18:18:44.297 回答
8

您的第一次尝试非常接近。通过使用索引而不是值，它将起作用。您的第二次尝试失败了，因为您没有命名列表中的元素。

lapply以下两种解决方案都使用可以将额外参数（mylist）传递给函数的事实。

df1 <- data.frame(x=c(1:5),y=c(11:15))
df2 <- data.frame(x=c(1:5),y=c(11:15))
mylist <- list(df1=df1,df2=df2) # Name each data.frame!
# names(mylist) <- c("df1", "df2") # Alternative way of naming...

# Use indices - and pass in mylist
mylist1 <- lapply(seq_along(mylist), 
        function(i, x){
            x[[i]]$id <- i
            return (x[[i]])
        }, mylist
)

# Now the names work - but I pass in mylist instead of using portfolio.results.
mylist2 <- lapply(names(mylist), 
    function(n, x){
        x[[n]]$id <- n
        return (x[[n]])
    }, mylist
)
于 2011-08-16T05:46:01.607 回答
2

names()可以工作它有名字，但你没有给它任何名字。这是一个未命名的列表。您将需要使用数字索引：

> for(i in 1:length(mylist) ){ mylist[[i]] <- cbind(mylist[[i]], id=rep(i, nrow(mylist[[i]]) ) ) }
> mylist
[[1]]
  x  y id
1 1 11  1
2 2 12  1
3 3 13  1
4 4 14  1
5 5 15  1

[[2]]
  x  y id
1 1 11  2
2 2 12  2
3 3 13  2
4 4 14  2
5 5 15  2
于 2011-08-16T05:37:57.197 回答
1

dlply函数形式plyr包可能是一个答案：

library('plyr')
df1 <- data.frame(x=c(1:5),y=c(11:15))
df2 <- data.frame(x=c(1:5),y=c(11:15))
mylist <- list(df1 = df1, df2 = df2)

all <- ldply(mylist)
于 2014-11-09T13:34:32.090 回答