103

我正在做一个相对简单的分析，我已将其放入特定文件夹中所有文件的函数中。我想知道是否有人有任何提示可以帮助我在许多不同的文件夹上自动化该过程。

  1. 首先，我想知道是否有办法将特定文件夹中的所有文件直接读取到 R 中。我相信以下命令将列出所有文件：

files <- (Sys.glob("*.csv"))

...我从Using R to list all files with a specified extension找到

然后下面的代码将所有这些文件读入 R。

listOfFiles <- lapply(files, function(x) read.table(x, header = FALSE))

…来自在 R 中操作多个文件

但是这些文件似乎是作为一个连续列表而不是单个文件读入的……如何更改脚本以将特定文件夹中的所有 csv 文件作为单个数据框打开？

  1. 其次，假设我可以单独读取所有文件，如何一次完成所有这些数据帧的功能。例如，我创建了四个小数据框，以便说明我想要的内容：

     Df.1 <- data.frame(A = c(5,4,7,6,8,4),B = (c(1,5,2,4,9,1)))
 Df.2 <- data.frame(A = c(1:6),B = (c(2,3,4,5,1,1)))
 Df.3 <- data.frame(A = c(4,6,8,0,1,11),B = (c(7,6,5,9,1,15)))
 Df.4 <- data.frame(A = c(4,2,6,8,1,0),B = (c(3,1,9,11,2,16)))

我还编写了一个示例函数：

Summary<-function(dfile){
SumA<-sum(dfile$A)
MinA<-min(dfile$A)
MeanA<-mean(dfile$A)
MedianA<-median(dfile$A)
MaxA<-max(dfile$A)

sumB<-sum(dfile$B)
MinB<-min(dfile$B)
MeanB<-mean(dfile$B)
MedianB<-median(dfile$B)
MaxB<-max(dfile$B)

Sum<-c(sumA,sumB)
Min<-c(MinA,MinB)
Mean<-c(MeanA,MeanB)
Median<-c(MedianA,MedianB)
Max<-c(MaxA,MaxB)
rm(sumA,sumB,MinA,MinB,MeanA,MeanB,MedianA,MedianB,MaxA,MaxB)

Label<-c("A","B")
dfile_summary<-data.frame(Label,Sum,Min,Mean,Median,Max)
return(dfile_summary)}

我通常会使用以下命令将该函数应用于每个单独的数据帧。

Df1.summary<-Summary(dfile)

有没有办法不是将函数应用于所有数据框，而是使用汇总表中数据框的标题（即 Df1.summary）。

非常感谢，

凯蒂

4

3 回答 3

116

相反，我确实认为使用 withlist可以很容易地自动化这些事情。

这是一种解决方案（我将您的四个数据框存储在文件夹中temp/）。

filenames <- list.files("temp", pattern="*.csv", full.names=TRUE)
ldf <- lapply(filenames, read.csv)
res <- lapply(ldf, summary)
names(res) <- substr(filenames, 6, 30)

存储文件的完整路径很重要（就像我对 所做的那样full.names），否则您必须粘贴工作目录，例如

filenames <- list.files("temp", pattern="*.csv")
paste("temp", filenames, sep="/")

也会起作用。请注意，我曾经substr在丢弃完整路径的同时提取文件名。

您可以按如下方式访问汇总表：

> res$`df4.csv`
       A              B        
 Min.   :0.00   Min.   : 1.00  
 1st Qu.:1.25   1st Qu.: 2.25  
 Median :3.00   Median : 6.00  
 Mean   :3.50   Mean   : 7.00  
 3rd Qu.:5.50   3rd Qu.:10.50  
 Max.   :8.00   Max.   :16.00

如果你真的想得到单独的汇总表，你可以在之后提取它们。例如，

for (i in 1:length(res))
  assign(paste(paste("df", i, sep=""), "summary", sep="."), res[[i]])
于 2012-03-05T10:29:23.887 回答
18

通常我不在 R 中使用 for 循环，但这是我使用 for 循环和两个包的解决方案：plyr和dostats

plyr在 cran 上，您可以在https://github.com/halpo/dostats上下载dostats（可能使用来自 Hadley devtools包的 install_github）

假设我在 csv 文件中有你的前两个 data.frame（Df.1 和 Df.2），你可以做这样的事情。

require(plyr)
require(dostats)

files <- list.files(pattern = ".csv")


for (i in seq_along(files)) {

    assign(paste("Df", i, sep = "."), read.csv(files[i]))

    assign(paste(paste("Df", i, sep = ""), "summary", sep = "."), 
           ldply(get(paste("Df", i, sep = ".")), dostats, sum, min, mean, median, max))

}

这是输出

R> Df1.summary
  .id sum min   mean median max
1   A  34   4 5.6667    5.5   8
2   B  22   1 3.6667    3.0   9
R> Df2.summary
  .id sum min   mean median max
1   A  21   1 3.5000    3.5   6
2   B  16   1 2.6667    2.5   5
于 2012-03-05T10:32:34.353 回答
4

这是一个tidyverse可能不是最优雅的选项，但在摘要中包含的内容方面提供了一些灵活性：

library(tidyverse)
dir_path <- '~/path/to/data/directory/'
file_pattern <- 'Df\\.[0-9]\\.csv' # regex pattern to match the file name format

read_dir <- function(dir_path, file_name){
  read_csv(paste0(dir_path, file_name)) %>% 
    mutate(file_name = file_name) %>%                # add the file name as a column              
    gather(variable, value, A:B) %>%                 # convert the data from wide to long
    group_by(file_name, variable) %>% 
    summarize(sum = sum(value, na.rm = TRUE),
              min = min(value, na.rm = TRUE),
              mean = mean(value, na.rm = TRUE),
              median = median(value, na.rm = TRUE),
              max = max(value, na.rm = TRUE))
  }

df_summary <- 
  list.files(dir_path, pattern = file_pattern) %>% 
  map_df(~ read_dir(dir_path, .))

df_summary
# A tibble: 8 x 7
# Groups:   file_name [?]
  file_name variable   sum   min  mean median   max
  <chr>     <chr>    <int> <dbl> <dbl>  <dbl> <dbl>
1 Df.1.csv  A           34     4  5.67    5.5     8
2 Df.1.csv  B           22     1  3.67    3       9
3 Df.2.csv  A           21     1  3.5     3.5     6
4 Df.2.csv  B           16     1  2.67    2.5     5
5 Df.3.csv  A           30     0  5       5      11
6 Df.3.csv  B           43     1  7.17    6.5    15
7 Df.4.csv  A           21     0  3.5     3       8
8 Df.4.csv  B           42     1  7       6      16
于 2019-03-26T03:13:35.140 回答