我对R相对陌生。我有一个文件夹,里面有很多文件(例如5m.xls、10m.xls…(。我使用map_dfc读取文件(见下面的代码(并将它们放在一个表中。这些文件包含一个由2列(x,y(组成的表。运行代码后得到的表包含名为x1、y1、x2、y2……的列,。。。。。。。因此,我无法确定它来自哪个文件。我想把列名设置为从中读取它的文件的名称,所以我尝试了这个:
file_list <- list.files("folder", full.names=TRUE,pattern = ".xls")
files<-tibble()
files<-map_dfc(file_list,.f=read_excel ,col_names=c("nm",file))
但我得到了用相同文件名命名的列。有人知道我如何自动做到这一点吗?
您可以使用正则表达式从file_list
的字符元素中提取文件名,并将它们作为额外的列添加到每个导入的数据帧中,或者设置新的列名。
请注意,我使用.xlsx
而不是.xls
。当我使用后者时,由于某种原因(可能是写入.xls
时出现问题(,我会出现错误。请确保更改后缀以使用您的文件
首先,图书馆和数据:
library(tidyverse)
library(readxl)
library(writexl)
dir.create("folder")
walk(1:4, ~ write_xlsx(tibble(x = sample(10, 5), y = sample(10, 5)),
str_glue("folder/file{.}.xlsx")
)
)
要获得你所要求的数据帧格式,你可以这样做:
map_dfc(file_list, ~ {
df <- read_excel(.)
set_names(df, paste(str_match(., "/(.*?)\.")[,2], names(df), sep = "_"))
})
这将返回一个"宽"数据帧,看起来像这样:
# A tibble: 3 x 8
file1_x file1_y file2_x file2_y file3_x file3_y file4_x file4_y
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 8 9 5 3 3 6 3 9
2 3 5 8 6 7 5 2 5
3 4 10 7 2 8 2 7 1
但是,如果您想用dplyr
进行总结或用ggplot2
可视化数据,那么这种类型的数据框架并不是很有用。我建议您尝试"长"格式。将read_excel
放入对mutate
的调用中,该调用将添加一个具有提取的文件名的变量:
file_list <- list.files("folder", full.names=TRUE, pattern = ".xlsx")
map_df(file_list, ~ mutate(read_excel(.), file = str_match(., "/(.*?)\.")[,2]))
您最终应该得到一个看起来像这样的数据帧,其中观察按文件名分组:
# A tibble: 12 x 3
x y file
<dbl> <dbl> <chr>
1 8 9 file1
2 3 5 file1
3 4 10 file1
4 5 3 file2
5 8 6 file2
6 7 2 file2
7 3 6 file3
8 7 5 file3
9 8 2 file3
10 3 9 file4
11 2 5 file4
12 7 1 file4