R 1000+ .CSV 文件合并和频率分析答案

【问题标题】：R 1000+ .CSV files merging and frequency analysisR 1000+ .CSV 文件合并和频率分析
【发布时间】：2017-01-31 11:45:34
【问题描述】：

所以我回来用一种更冒险的方法来处理我使用 R 处理的数千个 .CSV 文件。我可以导入、合并每十个文件、重命名列标题、保存新的 .CSV 等，但结果仍然是分析操作很麻烦。

我需要的是；每 10 个文件放入一个矩阵或合并到一个文件中（参见下面的文件示例）。这些列是Frequency、Channel A（以及后来的Channel B）。只需 F、A 和 B，每个文件的 F 值都是相同的（因此我是思考matrix)。最后我会得到标题

| *F* | *A1* | *B1* | *A2* | *B2* | *A3* | *B3* |

等...到 10。

在matrix/bind_col 循环内部，是否可以在wrie.csv 之前对值A1-10 执行一些数学函数？每个频率的Average和Mean新增了几列。我也需要其他人，但我会自己解决。

    +------------+-------------+
    |  Frequency |  Channel A  |
    |    (MHz)   |    (dBV)    |
    +------------+-------------+
       0.00000000,-27.85117000
       0.00007629,-28.93283000
       0.00015259,-32.89576000
       0.00022888,-43.54568000
    ---
    Continued...
    ---
      19.99977312,-60.59710000
      19.99984941,-48.58142000
      19.99992571,-43.29094000

感谢您的宝贵时间，我知道我已经花费了太多的调试时间，现在我正在寻找一种更优雅的方法。 PS：我的格式怎么样？表格和 .CSV 样式的错误！

【问题讨论】：

我忘了在读取的文件之后包括命名write.csv 文件。例如：filename~testJ~1 到 ...~testJ~10。 write.csv 文件名 = 文件名~testJ.csv。好尴尬！
不要使用 cmets 来修改你的问题。使用[edit] 链接。这就是它的用途，使用它可以提高问题的质量。你说“你回来了”。这是否意味着在您期望答案查找的其他未链接问题中有更多上下文？你说你有你一直在调试的代码，但你没有提供代码。
谢谢@42-。我不得不在小步舞曲之后从移动设备上发表评论，编辑无法正常工作。作为新用户，我回来了更多，上次发现线程和答案非常有用。我没有插入代码，而是希望以更好的结构示例重新开始。要遵循的代码。

标签： r csv data-analysis

【解决方案1】：

如果没有更好的示例来说明每个文件的外观、您希望输出的内容以及一些示例代码，很难回答。

文件是否足够小，可以一次加载全部 1000 个文件？

如果是我，我会从以下内容开始。

library(data.table)

filenames <- list.files(pattern = ".csv$")

list_data <- vector(mode = "list", length = length(filenames))

i <- 1
for (file in filenames){
  list_data[[i]] <- fread(file)
  i <- i + 1
}

dat <- rbindlist(list_data, use.names = TRUE, fill = TRUE)

之后，您可以使用所有有用的 data.table 功能。

dat[, .(meanA = mean(A), stdevA = sd(A)), by = Frequency]

【讨论】：

lapply 将简化 for 循环，并且可以与 mclapply 并行完成，但我认为这会更清楚它实际上在做什么。