从不同目录中选择多列，然后将它们合并到 R

Question

我有一个目录，在我的目录中有多个文件。每个文件都有不同的 csv。例如在我的目录中有 5 个文件（实际情况超过 100 个），每个文件有 10 个 .csv 文件。

我的问题是我想从这些文件中选择不同的列（所有文件的列数相同）并将它们合并并创建一个数据框。

我的数据框看起来像 -

主目录-

File1-

a.csv -

 store_code  Tran1  Tran2  Tran3
     10       5454   7645   7111
     10       4154   7675   7000
     10       1454   2145   8431
      .........

b.csv -

 store_code  Tran1  Tran2  Tran3
     10       5004   6645   7291
     10       4109   1675   7000
     10       9454   1045   1031
      .........

 File2-

 c.csv - 

 store_code  Tran1  Tran2  Tran3
     20       1054   2045   1111
     20       2954   3075   7080
     20       1454   2145   8431
      .........

  d.csv - 

 store_code  Tran1  Tran2  Tran3
     20       1994   2045   9011
     20       2004   3075   8080
     20       1004   2145   1031
      .........

我已经合并了一个目录中的所有文件。但无法选择多列然后合并。对于这个例子，假设我想选择两列 store_code 和 Tran2 然后合并它们。

出于合并目的，我完成了以下代码 -

i.Main directory set as a working directory where all files are there.
ii.csv_files <- dir(pattern='.*[.]csv', recursive = T)

library(dplyr)
df <- rbind_all(lapply(csv_files, read.csv))

我的预期输出 -

store_code    Tran3 
10            7111 
10            7000 
10            1111  
..            ---- 
20            9011
20            8080

Answer 1

我不完全确定你在追求什么；不幸的是，您没有提供预期的输出。

也许是这样的？

library(tidyverse);
Reduce(
    function(x, y) full_join(x, y, by = c("store_code", "Tran2")),
    lapply(csv_files, read.csv));
#  store_code Tran1.x Tran2 Tran3.x Tran1.y Tran3.y Tran1.x.x Tran3.x.x
#1         10    5454  7645    7111      NA      NA        NA        NA
#2         10    4154  7675    7000      NA      NA        NA        NA
#3         10    1454  2145    8431      NA      NA        NA        NA
#4         10      NA  6645      NA    5004    7291        NA        NA
#5         10      NA  1675      NA    4109    7000        NA        NA
#6         10      NA  1045      NA    9454    1031        NA        NA
#7         20      NA  2045      NA      NA      NA      1054      1111
#8         20      NA  3075      NA      NA      NA      2954      7080
#9         20      NA  2145      NA      NA      NA      1454      8431
#  Tran1.y.y Tran3.y.y
#1        NA        NA
#2        NA        NA
#3        NA        NA
#4        NA        NA
#5        NA        NA
#6        NA        NA
#7      1994      9011
#8      2004      8080
#9      1004      1031

解释：对所有 CSV 文件做一个外部full_join，由store_code 和Tran2 合并。因为每个文件有两个 Tran2 列，所以我将最后一列重新标记为 Tran3。

从这里开始，剩下要做的就是对列进行一些整理和重命名以反映源文件的来源。

---

样本数据

这是lapply(csv_files, read.csv) 的dput：

list(structure(list(store_code = c(10L, 10L, 10L), Tran1 = c(5454L,
4154L, 1454L), Tran2 = c(7645L, 7675L, 2145L), Tran3 = c(7111L,
7000L, 8431L)), .Names = c("store_code", "Tran1", "Tran2", "Tran3"
), class = "data.frame", row.names = c(NA, -3L)), structure(list(
store_code = c(10L, 10L, 10L), Tran1 = c(5004L, 4109L, 9454L
), Tran2 = c(6645L, 1675L, 1045L), Tran3 = c(7291L, 7000L,
1031L)), .Names = c("store_code", "Tran1", "Tran2", "Tran3"
), class = "data.frame", row.names = c(NA, -3L)), structure(list(
store_code = c(20L, 20L, 20L), Tran1 = c(1054L, 2954L, 1454L
), Tran2 = c(2045L, 3075L, 2145L), Tran3 = c(1111L, 7080L,
8431L)), .Names = c("store_code", "Tran1", "Tran2", "Tran3"
), class = "data.frame", row.names = c(NA, -3L)), structure(list(
store_code = c(20L, 20L, 20L), Tran1 = c(1994L, 2004L, 1004L
), Tran2 = c(2045L, 3075L, 2145L), Tran3 = c(9011L, 8080L,
1031L)), .Names = c("store_code", "Tran1", "Tran2", "Tran3"
), class = "data.frame", row.names = c(NA, -3L)))