基于一列将多个两列文本文件合并到一个数据框中

Question

这个问题是this one 的后续问题，得到了否定的答复，没有答案。所以，我正在尝试使用 R 来做到这一点。

我有很多（超过 30 个）这样的文件：

• 文件1

  5 A1
  23 A3
  1 B2
  289 BX5
  90 D3
  

• 文件2

  2 A1
  10 A2
  3 B1
  1 BX4
  90 D3
  24 E0
  

• 文件3

  4 A0
  11 A2
  1 B1
  2 D3
  

我想将所有这些组合起来生成一个这样的数据框：

A0 0 0 4
A1 5 2 0
A2 0 10 11
A3 23 0 0
B1 0 3 1
B2 1 0 0
BX4 0 1 0
BX5 289 0 0
D3 90 90 2
E0 0 24 0

基于this，我尝试使用 read.table 读取两个文件，同时将第二列指定为行名，然后按行名合并数据框，如下所示：

> df1 <- read.table("File1", row.names = 2)
> df1
     V1
A1    5
A3   23
B2    1
BX5 289
D3   90
> df2 <- read.table("File2", row.names = 2)
> df2
     V1
A1    2
A2   10
B1    3
BX4   1
D3   90
E0   24
> m1 <- merge(df1, df2, by=0, all=TRUE)
> m1[is.na(m1)] <- 0
> m1
    Row.names V1.x V1.y
1          A1    5    2
2          A2    0   10
3          A3   23    0
4          B1    0    3
5          B2    1    0
6         BX4    0    1
7         BX5  289    0
8          D3   90   90
9          E0    0   24

到目前为止一切顺利，但是当我尝试将生成的数据框合并到第三个数据框时，它并没有像我希望的那样工作。正因为如此，我不确定如何继续将所有 30 多岁的文件合并到一个数据框中。以前我以为我会修改here 描述的multmerge 函数，但现在我卡住了。

那么，有人可以帮我解决这个问题吗？提前致谢。

编辑：如果有人能为这个问题建议一个更好的标题，我也会非常感激。

Answer 1

我已尝试根据您的问题调整 multmerge 功能中的 Reduce-part。

#read in the data (can be replaced with filenames
#like f1 <- read.table(file, header=F)
#or even lapply(list.files(mypath), read.table, header=F) 
#to get all dataframes in a list
f1 <- read.table(text="5 A1
23 A3
1 B2
289 BX5
90 D3", header=F)

f2 <- read.table(text="2 A1
10 A2
3 B1
1 BX4
90 D3
24 E0", header=F)

f3 <- read.table(text="4 A0
11 A2
1 B1
2 D3", header=F)

#put files in list
myfiles <- list(f1,f2,f3)

#changing colnames because I like keeping my data in order/knowing where it came from.
myfiles <- lapply(1:length(myfiles),function(x){
  r <- myfiles[[x]]
  colnames(r) <- c(paste0("f",x),"ID")
  r
})

#using the Reduce-function
res <- Reduce(function(x,y) {merge(x,y,all=T, by="ID")}, myfiles)
res[is.na(res)]<-0
res

> res
    ID  f1 f2 f3
1   A1   5  2  0
2   A3  23  0  0
3   B2   1  0  0
4  BX5 289  0  0
5   D3  90 90  2
6   A2   0 10 11
7   B1   0  3  1
8  BX4   0  1  0
9   E0   0 24  0
10  A0   0  0  4

Answer 2

下面是使用dplyr 的方法。首先，您需要在不指定行名的情况下加载数据。下面，我重用了你的 file1、file2、file3 结构，但你也可以像使用 df1、df2、df3 一样以正确的格式阅读它们。您需要一个名称列才能加入。然后你连续两次full_join。然后我对数据进行排序并将 NA 更改为 0。

file1 <-data.frame(Names=rownames(file1),V1=file1,row.names = NULL)
file2 <-data.frame(Names=rownames(file2),V1=file2,row.names = NULL)
file3 <-data.frame(Names=rownames(file3),V1=file3,row.names = NULL)

library(dplyr)
out <-file1  %>%
full_join(file2,by = "Names") %>%
full_join(file3,by = "Names") %>%
arrange(Names)
out[is.na(out)]<-0
#> out
#   Names V1.x V1.y V1
#1     A0    0    0  4
#2     A1    5    2  0
#3     A2    0   10 11
#4     A3   23    0  0
#5     B1    0    3  1
#6     B2    1    0  0
#7    BX4    0    1  0
#8    BX5  289    0  0
#9     D3   90   90  2
#10    E0    0   24  0

更新

为了处理任意数量的文件，我们必须引入一个循环。

myfiles <- list(file1,file2,file3)
out <-file1                       #first file
for (i in myfiles[-1]){           #all but first file
out <-full_join(out,i,by = "Names")
}
out <-arrange(out,Names)
out[is.na(out)]<-0
out
> out
   Names V1.x V1.y V1
1     A0    0    0  4
2     A1    5    2  0
3     A2    0   10 11
4     A3   23    0  0
5     B1    0    3  1
6     B2    1    0  0
7    BX4    0    1  0
8    BX5  289    0  0
9     D3   90   90  2
10    E0    0   24  0