我一直想知道是否有人知道一种方法来创建在 R 中加载文件/数据库的循环。 假设我有一些这样的文件：data1.csv、data2.csv、...、data100.csv。
在某些编程语言中，您可以执行类似 data +{ x }+ .csv 的操作，系统会像 datax.csv 一样识别它，然后您可以应用循环。
有什么想法吗？
【问题讨论】：
Sys.glob() 是另一种可能性 - 它的唯一目的是通配符或通配符扩展。
dataFiles <- lapply(Sys.glob("data*.csv"), read.csv)
这会将data[x].csv 形式的所有文件读入列表dataFiles，其中[x] 什么都不是。
[请注意，这与@Joshua 的答案中的模式不同。在那里，list.files() 采用正则表达式，而 Sys.glob() 只使用标准通配符；可以使用哪些通配符取决于系统，可以在帮助页面?Sys.glob上找到详细信息。]
【讨论】：
"folder\*.csv"，每个列表项都将被称为data1、data2 等。我意识到下面的循环之一可以工作（也许是assign()？）但非循环解决方案感觉更优雅。
见?list.files。
myFiles <- list.files(pattern="data.*csv")
然后你可以循环myFiles。
【讨论】：
.* 会在文件扩展名之前捕获.。如果你真的想要安全/明确，你可以使用"^data[[:digit:]]*\\.csv$"。 :-)
我会将所有 CSV 文件放在一个目录中，创建一个列表并执行循环以从列表中的目录中读取所有 csv 文件。
setwd("~/Documents/")
ldf <- list() # creates a list
listcsv <- dir(pattern = "*.csv") # creates the list of all the csv files in the directory
for (k in 1:length(listcsv)){
ldf[[k]] <- read.csv(listcsv[k])
}
str(ldf[[1]])
【讨论】：
读取文件中的标题，以便我们可以将它们用于合并文件中的替换
library(dplyr)
library(readr)
list_file <- list.files(pattern = "*.csv") %>%
lapply(read.csv, stringsAsFactors=F) %>%
bind_rows
【讨论】：
fi <- list.files(directory_path,full.names=T)
dat <- lapply(fi,read.csv)
dat 将包含列表中的数据集
【讨论】：
directory_path 中的所有 个文件，这不是必需的。根据@Joshua 的回答，您需要pattern。
假设您的文件具有您在问题中提到的文件格式，并且它们位于工作目录中。
如果文件名具有简单的命名结构，您可以矢量化创建文件名。然后对所有文件应用加载函数（这里我使用purrr包，但你也可以使用lapply）
library(purrr)
c(1:100) %>% paste0("data", ., ".csv") %>% map(read.csv)
【讨论】：
strings_as_factors = F。如果不创建我自己的自定义 read.csv 函数，这可能吗？
这是另一个使用 for 循环的解决方案。我比其他人更喜欢它，因为它的灵活性以及所有 dfs 都直接存储在全局环境中。
假设您已经设置了工作目录，算法将迭代读取所有文件并将它们存储在名为“datai”的全局环境中。
list <- c(1:100)
for (i in list) {
filename <- paste0("data", i)
wd <- paste0("data", i, ".csv")
assign(filename, read.csv(wd))
}
【讨论】：
如果您有心理学/运动/医学等领域的参与者数据集，这可能会有所帮助。
setwd("C:/yourpath")
temp <- list.files(pattern = "*.sav")
#Maybe you want to unselect /delete IDs
DEL <- grep('ID(04|08|11|13|19).sav', temp)
temp2 <- temp[-DEL]
#Make a list of that contains all data
read.all <- lapply(temp2, read_sav)
#View(read.all[1])
#Option 1: put one under the next
df <- do.call("rbind", read.all)
Option 2: make something within each dataset (single IDs) e.g. get the mean of certain parts of each participant
mw_extraktion <- function(data_raw){
data_raw <- data.frame(data_raw)
#you may now calculate e.g. the mean for a certain variable for each ID
ID <- data_raw$ID[1]
data_OneID <- c(ID, Var2, Var3) #put your new variables (e.g. Means) here
} #end of function
data_combined <- t(data.frame(sapply(read.all, mw_extraktion) ) )
【讨论】：
.csv 结尾的文件。以下是代码示例：
setwd("C:/yourpath")
temp <- list.files(pattern = "*.csv")
allData <- do.call("rbind",lapply(Sys.glob(temp), read.csv))
【讨论】：