将多个 excel sheet 导入到一个数据框中，添加 sheet 名称作为变量
Importing multiple excel sheets into one dataframe adding the sheet name as variable
我正在使用 rio 包将多个 excel sheet 导入到一个数据框中。
WIOD_EA_EmRelEnergy <- import_list("EA 2016/Emission-relevant Energy Accounts_total.xlsx",
setclass = "tbl", rbind = TRUE)
这行代码已经达到了我的要求。它在末尾添加一个名为“文件”的列，指示 sheet 的编号（来自第一个 sheet 的数据取值 1，依此类推）。
但是，我正在尝试在该列中使用 sheet 的名称而不是数字。 sheet 的名称是国家代码（“AUS”、“AUT”等）。因此，第一个 sheet 的数据不应取值 1 而是“AUS”。
这应该只是一个小问题，但我根本找不到解决方案。
您最好提供一些示例数据。
这应该可以解决问题：
library(readxl)
library(tidyverse)
library(rio)
# Sample data
list("Sheet 1" = tibble(n = 1:3),
"Sheet 2" = tibble(n = 101:103)) %>%
writexl::write_xlsx("Sheet name.xlsx")
# What you want
purrr::map2_df(.x = rio::import_list("Sheet name.xlsx"),
.y = readxl::excel_sheets("Sheet name.xlsx"),
~{
.x %>%
dplyr::mutate(`Sheet name` = .y)
})
没有使用 rio 软件包的经验。我的工作流程通常是这样的：
library(data.table)
library(readxl)
files.to.read <- list.files( whatever arguments you need )
L <- lapply(files.to.read, readxl::read_excel, whatever arguments you need)
names(L) <- basename(files.to.read)
final <- data.table::rbindlist(L, use.names = TRUE, fill = TRUE, id = "file")
您可以使用 openxlsx::getSheetNames 将数字 file 列标记为因子。
library(rio)
transform(import_list(xlsx_file, rbind=TRUE, rbind_label='file'),
file=factor(file, labels=openxlsx::getSheetNames(xlsx_file)))
# mpg cyl disp hp drat wt qsec vs am gear carb file
# 1 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 mtcars1
# 2 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 mtcars1
# 3 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 mtcars1
# 4 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 mtcars1
# 5 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 mtcars1
# 6 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 mtcars1
# 7 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 mtcars1
# 8 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2 mtcars1
# 9 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2 mtcars1
# 10 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 mtcars1
# 11 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 mtcars2
# 12 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3 mtcars2
# 13 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3 mtcars2
# 14 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3 mtcars2
# 15 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4 mtcars2
# 16 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4 mtcars2
# 17 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4 mtcars2
# 18 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 mtcars2
# 19 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2 mtcars2
# 20 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1 mtcars2
# 21 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1 mtcars3
# 22 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2 mtcars3
# 23 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2 mtcars3
# 24 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4 mtcars3
# 25 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2 mtcars3
# 26 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1 mtcars3
# 27 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2 mtcars3
# 28 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2 mtcars3
# 29 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4 mtcars3
# 30 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6 mtcars3
# 31 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8 mtcars3
# 32 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2 mtcars3
数据：
export(list(mtcars1 = mtcars[1:10,],
mtcars2 = mtcars[11:20,],
mtcars3 = mtcars[21:32,]),
xlsx_file <- tempfile(fileext = ".xlsx")
)
只需在 dplyr 中使用 bind_rows() 并设置参数 .id = "sheet"，然后每个 sheet 中的数据将 row-bind 在一起，并创建一个名为添加您在 .id 中设置的内容以记录数据来自的 sheet 名称。
dplyr::bind_rows(
import_list("path/to/file/test.xlsx", setclass = "tbl"),
.id = "sheet"
)
测试
编写一个 excel 文件，其中包含 2 个 sheet 名为 AUS 和 AUT:
openxlsx::write.xlsx(
list(AUS = data.frame(x = 1:2, y = 3:4),
AUT = data.frame(x = 5:6, y = 7:8)),
file = "test.xlsx"
)
然后
dplyr::bind_rows(
rio::import_list("test.xlsx", setclass = "tbl"),
.id = "sheet"
)
# # A tibble: 4 × 3
# sheet x y
# <chr> <dbl> <dbl>
# 1 AUS 1 3
# 2 AUS 2 4
# 3 AUT 5 7
# 4 AUT 6 8
我个人会充分利用两者的优势，rio 的 import_list 阻止您应用 sheets 并利用没有 rbind = T 它存储每个列表的 sheet 作为名字。不知道为什么他们决定在 rbind = T 时从 sheet 名称交换到 sheet 索引，然后使用 data.table 中的 rbindlist 和 use.names = T.
rbindlist(import_list("mtcars.xlsx"), use.names = T, fill = T, id = "file")
export(list(
mtcars1 = mtcars[1:10,],
mtcars2 = mtcars[11:20,],
mtcars3 = mtcars[21:32,]), "mtcars.xlsx")
我正在使用 rio 包将多个 excel sheet 导入到一个数据框中。
WIOD_EA_EmRelEnergy <- import_list("EA 2016/Emission-relevant Energy Accounts_total.xlsx",
setclass = "tbl", rbind = TRUE)
这行代码已经达到了我的要求。它在末尾添加一个名为“文件”的列，指示 sheet 的编号（来自第一个 sheet 的数据取值 1，依此类推）。
但是，我正在尝试在该列中使用 sheet 的名称而不是数字。 sheet 的名称是国家代码（“AUS”、“AUT”等）。因此，第一个 sheet 的数据不应取值 1 而是“AUS”。
这应该只是一个小问题，但我根本找不到解决方案。
您最好提供一些示例数据。
这应该可以解决问题：
library(readxl)
library(tidyverse)
library(rio)
# Sample data
list("Sheet 1" = tibble(n = 1:3),
"Sheet 2" = tibble(n = 101:103)) %>%
writexl::write_xlsx("Sheet name.xlsx")
# What you want
purrr::map2_df(.x = rio::import_list("Sheet name.xlsx"),
.y = readxl::excel_sheets("Sheet name.xlsx"),
~{
.x %>%
dplyr::mutate(`Sheet name` = .y)
})
没有使用 rio 软件包的经验。我的工作流程通常是这样的：
library(data.table)
library(readxl)
files.to.read <- list.files( whatever arguments you need )
L <- lapply(files.to.read, readxl::read_excel, whatever arguments you need)
names(L) <- basename(files.to.read)
final <- data.table::rbindlist(L, use.names = TRUE, fill = TRUE, id = "file")
您可以使用 openxlsx::getSheetNames 将数字 file 列标记为因子。
library(rio)
transform(import_list(xlsx_file, rbind=TRUE, rbind_label='file'),
file=factor(file, labels=openxlsx::getSheetNames(xlsx_file)))
# mpg cyl disp hp drat wt qsec vs am gear carb file
# 1 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 mtcars1
# 2 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 mtcars1
# 3 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 mtcars1
# 4 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 mtcars1
# 5 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 mtcars1
# 6 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 mtcars1
# 7 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 mtcars1
# 8 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2 mtcars1
# 9 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2 mtcars1
# 10 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 mtcars1
# 11 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 mtcars2
# 12 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3 mtcars2
# 13 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3 mtcars2
# 14 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3 mtcars2
# 15 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4 mtcars2
# 16 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4 mtcars2
# 17 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4 mtcars2
# 18 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 mtcars2
# 19 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2 mtcars2
# 20 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1 mtcars2
# 21 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1 mtcars3
# 22 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2 mtcars3
# 23 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2 mtcars3
# 24 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4 mtcars3
# 25 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2 mtcars3
# 26 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1 mtcars3
# 27 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2 mtcars3
# 28 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2 mtcars3
# 29 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4 mtcars3
# 30 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6 mtcars3
# 31 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8 mtcars3
# 32 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2 mtcars3
数据：
export(list(mtcars1 = mtcars[1:10,],
mtcars2 = mtcars[11:20,],
mtcars3 = mtcars[21:32,]),
xlsx_file <- tempfile(fileext = ".xlsx")
)
只需在 dplyr 中使用 bind_rows() 并设置参数 .id = "sheet"，然后每个 sheet 中的数据将 row-bind 在一起，并创建一个名为添加您在 .id 中设置的内容以记录数据来自的 sheet 名称。
dplyr::bind_rows(
import_list("path/to/file/test.xlsx", setclass = "tbl"),
.id = "sheet"
)
测试
编写一个 excel 文件，其中包含 2 个 sheet 名为 AUS 和 AUT:
openxlsx::write.xlsx(
list(AUS = data.frame(x = 1:2, y = 3:4),
AUT = data.frame(x = 5:6, y = 7:8)),
file = "test.xlsx"
)
然后
dplyr::bind_rows(
rio::import_list("test.xlsx", setclass = "tbl"),
.id = "sheet"
)
# # A tibble: 4 × 3
# sheet x y
# <chr> <dbl> <dbl>
# 1 AUS 1 3
# 2 AUS 2 4
# 3 AUT 5 7
# 4 AUT 6 8
我个人会充分利用两者的优势，rio 的 import_list 阻止您应用 sheets 并利用没有 rbind = T 它存储每个列表的 sheet 作为名字。不知道为什么他们决定在 rbind = T 时从 sheet 名称交换到 sheet 索引，然后使用 data.table 中的 rbindlist 和 use.names = T.
rbindlist(import_list("mtcars.xlsx"), use.names = T, fill = T, id = "file")
export(list(
mtcars1 = mtcars[1:10,],
mtcars2 = mtcars[11:20,],
mtcars3 = mtcars[21:32,]), "mtcars.xlsx")