将多个单列文本文件（不同长度）读取到文件名为列 header 的数据框
Read multiple single column text files (varying length) to data frame where filename is column header
我有很多 (600+) 个文本文件，每个文件只包含一列数据，我想将这些数据读入 R 中的数据框中。要注意的是，我需要将每个文件中的值导入为一个单独的列，每个文件中的值数量不相等。文本文件都以我不需要的标题 'Area' 开头（我试图将文件名设置为 header ），然后继续处理一列数字（4000 - 10000 值）例如
Area
0.0034556
0.0002345
....
我最接近的是：
filenames <-dir()
n <- length(filenames)
for (i in 1:n) {data[i] <- read.csv(filenames[i]}
## printing data at this point gives lists for each value of i
然后我尝试将包含列表的值绑定到文件名以用作单独的列（在变量 c 下）然后我希望将单独的列拼凑成一个数据框：
for (i in 1:n) {c[i] <- rbind(filenames[i], data[i])}
当打印 c 时，这似乎给出了一个包含两个元素的列表 - 最后一个文件的名称和它包含的值的数量。
我担心，即使我可以将使用 read.csv 导入的列表绑定到 headers 列，我仍然无法将其组合到数据框中，因为值的数量因文件而异。我已经看到了将多个文本文件的值合并到一个列中的可能解决方案（并且已经开始工作） - 但是找不到解决这个问题的方法，因为每个导入的文件都需要在线或漩涡中有自己的列。
如有任何帮助，我将不胜感激！
安格斯
可能最简单的方法就是将所有内容都放在一个列表中。在函数 read.csv 中，您可以立即使用 col.names.
定义列名
filenames <-dir()
n <- length(filenames)
data <- list()
for (i in 1:n) {data[[i]] <- read.csv(filenames[i], col.names = filenames[i])}
由于数据量较大建议使用data.table.
第 1 步：一次读取所有文件data.table
library(data.table)
filenames <-dir()
dt_long <- rbindlist(setNames(lapply(filenames, fread), filenames), idcol = TRUE)
dtl
# .id Area
#1: file1.csv 0.0034556
#2: file1.csv 0.0002345
#3: file2.csv 0.0034556
#4: file2.csv 0.0002345
#5: file2.csv 0.0034556
#6: file2.csv 0.0002345
#7: file2.csv 0.0034556
#8: file2.csv 0.0002345
fread 读取 lapply 调用中的每个文件。 lapply 是一种隐含的文件名循环，returns 是一个列表，其中每个列表元素包含一个 data.table 和一个文件的内容。
setNames用于将每个列表元素重命名为相应的文件名。
最后，rbindlist将列表中的单个data.tables合并为一个大的data.table。每行的起点由 .id col.
标识
第 2 步：整形为宽幅面
通常，我更喜欢使用长格式的数据，因为我可以使用分组函数（例如，data.table 语法中的 by = .id）同时影响所有文件的数据。
但是，如果您坚持为每个文件设置一个单独的列，您可以将宽格式重新调整为长格式：
dt_wide <- dcast(dt_long, rowid(.id) ~ .id, value.var = "Area")
dt_wide
# .id file1.csv file2.csv
#1: 1 0.0034556 0.0034556
#2: 2 0.0002345 0.0002345
#3: 3 NA 0.0034556
#4: 4 NA 0.0002345
#5: 5 NA 0.0034556
#6: 6 NA 0.0002345
请注意，由于文件大小不同而导致的缺失值已由 NA 填补。
数据
为了有一个可重现的例子，我创建了两个虚拟数据文件
file1.csv
Area
0.0034556
0.0002345
file2.csv
Area
0.0034556
0.0002345
0.0034556
0.0002345
0.0034556
0.0002345
我有很多 (600+) 个文本文件，每个文件只包含一列数据，我想将这些数据读入 R 中的数据框中。要注意的是，我需要将每个文件中的值导入为一个单独的列，每个文件中的值数量不相等。文本文件都以我不需要的标题 'Area' 开头（我试图将文件名设置为 header ），然后继续处理一列数字（4000 - 10000 值）例如
Area
0.0034556
0.0002345
....
我最接近的是：
filenames <-dir()
n <- length(filenames)
for (i in 1:n) {data[i] <- read.csv(filenames[i]}
## printing data at this point gives lists for each value of i
然后我尝试将包含列表的值绑定到文件名以用作单独的列（在变量 c 下）然后我希望将单独的列拼凑成一个数据框：
for (i in 1:n) {c[i] <- rbind(filenames[i], data[i])}
当打印 c 时，这似乎给出了一个包含两个元素的列表 - 最后一个文件的名称和它包含的值的数量。
我担心，即使我可以将使用 read.csv 导入的列表绑定到 headers 列，我仍然无法将其组合到数据框中，因为值的数量因文件而异。我已经看到了将多个文本文件的值合并到一个列中的可能解决方案（并且已经开始工作） - 但是找不到解决这个问题的方法，因为每个导入的文件都需要在线或漩涡中有自己的列。
如有任何帮助，我将不胜感激！ 安格斯
可能最简单的方法就是将所有内容都放在一个列表中。在函数 read.csv 中，您可以立即使用 col.names.
filenames <-dir()
n <- length(filenames)
data <- list()
for (i in 1:n) {data[[i]] <- read.csv(filenames[i], col.names = filenames[i])}
由于数据量较大建议使用data.table.
第 1 步：一次读取所有文件data.table
library(data.table)
filenames <-dir()
dt_long <- rbindlist(setNames(lapply(filenames, fread), filenames), idcol = TRUE)
dtl
# .id Area
#1: file1.csv 0.0034556
#2: file1.csv 0.0002345
#3: file2.csv 0.0034556
#4: file2.csv 0.0002345
#5: file2.csv 0.0034556
#6: file2.csv 0.0002345
#7: file2.csv 0.0034556
#8: file2.csv 0.0002345
fread 读取 lapply 调用中的每个文件。 lapply 是一种隐含的文件名循环，returns 是一个列表，其中每个列表元素包含一个 data.table 和一个文件的内容。
setNames用于将每个列表元素重命名为相应的文件名。
最后，rbindlist将列表中的单个data.tables合并为一个大的data.table。每行的起点由 .id col.
第 2 步：整形为宽幅面
通常，我更喜欢使用长格式的数据，因为我可以使用分组函数（例如，data.table 语法中的 by = .id）同时影响所有文件的数据。
但是，如果您坚持为每个文件设置一个单独的列，您可以将宽格式重新调整为长格式：
dt_wide <- dcast(dt_long, rowid(.id) ~ .id, value.var = "Area")
dt_wide
# .id file1.csv file2.csv
#1: 1 0.0034556 0.0034556
#2: 2 0.0002345 0.0002345
#3: 3 NA 0.0034556
#4: 4 NA 0.0002345
#5: 5 NA 0.0034556
#6: 6 NA 0.0002345
请注意，由于文件大小不同而导致的缺失值已由 NA 填补。
数据
为了有一个可重现的例子，我创建了两个虚拟数据文件
file1.csv
Area
0.0034556
0.0002345
file2.csv
Area
0.0034556
0.0002345
0.0034556
0.0002345
0.0034556
0.0002345