如何使用具有特定行和列的循环在 R 中读取多个 xlsx 文件答案

【问题标题】：How to read multiple xlsx file in R using loop with specific rows and columns如何使用具有特定行和列的循环在 R 中读取多个 xlsx 文件
【发布时间】：2015-11-19 03:34:18
【问题描述】：

我必须将具有随机名称的多个 xlsx 文件读入单个数据帧。每个文件的结构都是一样的。我只需要导入特定的列。

我试过了：

dat <- read.xlsx("FILE.xlsx", sheetIndex=1, 
                  sheetName=NULL, startRow=5, 
                  endRow=NULL, as.data.frame=TRUE, 
                  header=TRUE)

但这一次只针对一个文件，我无法指定我的特定列。我什至尝试过：

site=list.files(pattern='[.]xls')

但在那之后循环不起作用。怎么做？提前致谢。

【问题讨论】：

标签： r excel loops dataframe xlsx

【解决方案1】：

我会把每张纸读成一个列表：

获取文件名：

f = list.files("./")

读取文件：

dat = lapply(f, function(i){
    x = read.xlsx(i, sheetIndex=1, sheetName=NULL, startRow=5,
        endRow=NULL, as.data.frame=TRUE, header=T)
    # Get the columns you want, e.g. 1, 3, 5
    x = x[, c(1, 3, 5)]
    # You may want to add a column to say which file they're from
    x$file = i
    # Return your data
    x
})

然后您可以通过以下方式访问列表中的项目：

dat[[1]]

或者对他们做同样的任务：

lapply(dat, colmeans)

将它们变成一个数据框（您的文件列现在在这里变得有用）：

dat = do.call("rbind.data.frame", dat)

【讨论】：

嘿，你的代码确实对我有用，但它只适用于非常小的文件，比如 50KB。但我有大约 1MB 大小的文件。那我该怎么办？
尝试不同的excel阅读包，这个可能是你最好的选择：blog.rstudio.org/2015/04/15/readxl-0-1-0。另请注意，同时打开多个文件可能会导致您出现内存问题。
我正在尝试做类似的事情，但在最终数据帧中获得 0 obs path = "/K_Data/" l = list.files(path = path, "xlsx") all = lapply(l, function(x){ sup = read_excel(i, sheet="Sup", skip = 2) ID = read_excel(x, sheet="Mea", col_names = FALSE) id = as.character( ID[1,1]) mass = as.numeric(ID[3,5]) sup= sup%>% mutate(ID = id, Mass = mass) }) dat = do.call("rbind.data.frame", all)
您需要在 lapply 函数结束时打印/返回您的数据。例如：... sup= sup%>% mutate(ID = id, Mass = mass) sup}) dat = do.call("rbind.data.frame", all)

【解决方案2】：

我更熟悉 for 循环，它可能会更麻烦一些。

filelist <- list.files(pattern = "\\.xlsx") # 列出目录下所有的xlsx文件

allxlsx.files <- list()  # create a list to populate with xlsx data (if you wind to bind all the rows together)
count <- 1
for (file in filelist) {
   dat <- read.xlsx(file, sheetIndex=1, 
              sheetName=NULL, startRow=5, 
              endRow=NULL, as.data.frame=TRUE, 
              header=TRUE) [c(5:10, 12,15)] # index your columns of interest
   allxlsx.files[[count]] <-dat # creat a list of rows from xls files
   count <- count + 1
}

转换回data.frame

allfiles <- do.call(rbind.data.frame, allxlsx.files)

【讨论】：

【解决方案3】：

对于 Wyldsoul 的答案的变体，但在同一个 Excel 文件中跨多个 Excel 工作表（1 和 j 之间）使用 for 循环，并与 dplyr 绑定：

library(gdata) 
library(dplyr)

for (i in 1:j) {
  dat <- read.xls(f, sheet = i) 
  dat <- dat[,1:14] # index your columns of interest
  allxlsx.files[[count]]
  count <- count + 1
}

allfiles <- do.call(bind_rows, allxlsx.files)

【讨论】：

你需要分配一些东西给allxlsx.files[[count]]，可能是dat，你可以将你的最后一行简化为bind_rows(allxlsx.files)