我有20个不同的.csv文件，需要在R中将数据堆叠起来，以便获取整体数据图。
目前，我正在复制和粘贴Excel中的列以制作一个大数据集。
然而，我相信在R中有一种更快，更有效的方法来完成这项工作，因为这最终需要一些时间。
此外，更糟糕的是，在某些数据集中，某些变量名并不相同。
例如，VARIABLE1在某些数据集中被写成variable1。我该如何在R中纠正这个问题，因为我知道R对大小写敏感？
非常感谢任何帮助！谢谢！
3个回答
3
如果您熟悉 data.table 包，那么最简单和最快的方法是这样的（未经过测试）：
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$")
out <- rbindlist(lapply(files, fread))
list.files 参数：
full.names = TRUE会返回文件的全路径。假设你的in_pth <- "c:\\my_csv_folder"，在里面有两个文件：01.csv 和 02.csv。那么，full.names=TRUE将返回c:\\my_csv_folder\\01.csv和c:\\my_csv_folder\\02.csv(完整路径)。recursive = FALSE不会搜索in_pth文件夹中的目录。假设你在c:\\my_csv_folder\\another_folder中有两个csv文件。现在，如果你想把这些文件加载到这一个文件中，那么你可以设置recursive=TRUE，这将扫描文件，直到你搜索到所有目录为止。pattern=\\.csv$：这是一个正则表达式，用于指定要加载哪种类型的文件。如果你的文件夹除了csv文件还有文本文件(.txt)，那么通过指定这个模式，你只会加载csv文件。如果你的文件夹只有CSV文件，则不需要这样做。
data.table 函数：
rbindlist通过保留之前数据表的名称来避免列名冲突。也就是说，如果你有两个data.table，dt1、dt2，它们的列名分别为x,y和a,b，那么做rbindlist(dt1,dt2)将会把a,b改成x,y，而rbindlist(dt2, dt1)则会把x,y改成a,b。fread通常会自动处理列、头、分隔符等，并且速度非常快（虽然仍处于试验阶段，所以你可能需要检查输出以确保一切都很好（即使是稳定的））。
- Arun
5
0
@ Denis: 这个也值得研究一下 plyr 包。使用 rbind.fill(...) 可以按行合并数据框。
install.packages("plyr")
library(plyr)
help (rbind.fill) 命令会给你以下信息：
rbinds 是一个数据框列表，可以用 NA 填充缺失的列。
使用方法：
rbind.fill(...)
Arguments
...
将输入的数据框按行绑定在一起。第一个参数可以是数据框列表，此时所有其他参数都将被忽略。
详细信息
这是对rbind的增强，它添加了不在所有输入中出现的列，接受数据框列表，并且操作速度大大提高。
输出中的列名和类型将按照它们遇到的顺序出现。不执行任何检查以确保每个输入中的列具有一致的类型。
据我所知，没有cbind.fill；但是，有用户函数cbind.fill，允许您按列组合数据框。详情请参见此处。
有两种解决方案：一种依赖于plyr包中的rbind.fill，另一种与rbind.fill无关。
- Metrics
-1
另一种方法，不使用外部包，是使用cbind()命令：它按列绑定。因此，如果您有两个不同的表格，只需将它们作为参数传递给cbind()，它们将被附加在一起。
- endamaco
1
如果你能发布答案（而不仅仅是解决方法），那就太好了。 - Arun
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
install.packages("data.table")- Arundata.table吗？然后通过执行require(data.table)命令加载了该包吗？它是否成功加载？ - Arun