读取文件夹中的所有文件并将函数应用于每个数据框

Question

我正在对特定文件夹中的所有文件进行一项相对简单的分析，并将其放入一个函数中。我想知道是否有人有任何提示可以帮助我在多个不同文件夹上自动执行该过程。

1. 首先，我想知道是否有办法将特定文件夹中的所有文件直接读取到 R 中。我相信以下命令会列出所有文件：

files <- (Sys.glob("*.csv"))

...我从Using R to list all files with a specified extension找到的

然后下面的代码将所有这些文件读入 R.

listOfFiles <- lapply(files, function(x) read.table(x, header = FALSE)) 

…来自Manipulating multiple files in R

但这些文件似乎是作为一个连续列表而不是单个文件读入的……如何更改脚本以将特定文件夹中的所有 csv 文件作为单个数据帧打开？

1. 其次，假设我可以单独读取所有文件，我如何一次完成所有这些数据帧的功能。例如，我创建了四个小数据框，以便说明我想要什么：

    Df.1 <- data.frame(A = c(5,4,7,6,8,4),B = (c(1,5,2,4,9,1)))
    Df.2 <- data.frame(A = c(1:6),B = (c(2,3,4,5,1,1)))
    Df.3 <- data.frame(A = c(4,6,8,0,1,11),B = (c(7,6,5,9,1,15)))
    Df.4 <- data.frame(A = c(4,2,6,8,1,0),B = (c(3,1,9,11,2,16)))
   

我还编了一个示例函数：

Summary<-function(dfile){
SumA<-sum(dfile$A)
MinA<-min(dfile$A)
MeanA<-mean(dfile$A)
MedianA<-median(dfile$A)
MaxA<-max(dfile$A)

sumB<-sum(dfile$B)
MinB<-min(dfile$B)
MeanB<-mean(dfile$B)
MedianB<-median(dfile$B)
MaxB<-max(dfile$B)

Sum<-c(sumA,sumB)
Min<-c(MinA,MinB)
Mean<-c(MeanA,MeanB)
Median<-c(MedianA,MedianB)
Max<-c(MaxA,MaxB)
rm(sumA,sumB,MinA,MinB,MeanA,MeanB,MedianA,MedianB,MaxA,MaxB)

Label<-c("A","B")
dfile_summary<-data.frame(Label,Sum,Min,Mean,Median,Max)
return(dfile_summary)}

我通常会使用以下命令将函数应用于每个单独的数据帧。

Df1.summary

有没有办法代替将函数应用于所有数据框，并使用汇总表中数据框的标题（即 Df1.summary）。

非常感谢，

凯蒂

Answer 1

相反，我确实认为使用list 可以很容易地自动化这些事情。

这是一种解决方案（我将您的四个数据框存储在文件夹 temp/ 中）。

filenames <- list.files("temp", pattern="*.csv", full.names=TRUE)
ldf <- lapply(filenames, read.csv)
res <- lapply(ldf, summary)
names(res) <- substr(filenames, 6, 30)

存储文件的完整路径很重要（就像我对full.names 所做的那样），否则您必须粘贴工作目录，例如

filenames <- list.files("temp", pattern="*.csv")
paste("temp", filenames, sep="/")

也可以。请注意，我使用substr 提取文件名，同时丢弃完整路径。

您可以按如下方式访问您的汇总表：

> res$`df4.csv`
       A              B        
 Min.   :0.00   Min.   : 1.00  
 1st Qu.:1.25   1st Qu.: 2.25  
 Median :3.00   Median : 6.00  
 Mean   :3.50   Mean   : 7.00  
 3rd Qu.:5.50   3rd Qu.:10.50  
 Max.   :8.00   Max.   :16.00  

如果你真的想得到单独的汇总表，你可以在之后提取它们。例如，

for (i in 1:length(res))
  assign(paste(paste("df", i, sep=""), "summary", sep="."), res[[i]])

Answer 2

通常我不在 R 中使用 for 循环，但这是我使用 for 循环和两个包的解决方案：plyr 和 dostats

plyr 在 cran 上，您可以在 https://github.com/halpo/dostats 上下载 dostats（可能使用 Hadley devtools 包中的 install_github）

假设我在 csv 文件中有你的前两个 data.frame（Df.1 和 Df.2），你可以这样做。

require(plyr)
require(dostats)

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


for (i in seq_along(files)) {

    assign(paste("Df", i, sep = "."), read.csv(files[i]))

    assign(paste(paste("Df", i, sep = ""), "summary", sep = "."), 
           ldply(get(paste("Df", i, sep = ".")), dostats, sum, min, mean, median, max))

}

这是输出

R> Df1.summary
  .id sum min   mean median max
1   A  34   4 5.6667    5.5   8
2   B  22   1 3.6667    3.0   9
R> Df2.summary
  .id sum min   mean median max
1   A  21   1 3.5000    3.5   6
2   B  16   1 2.6667    2.5   5

Answer 3

这是一个tidyverse 选项，它可能不是最优雅的，但在摘要中包含的内容方面提供了一些灵活性：

library(tidyverse)
dir_path <- '~/path/to/data/directory/'
file_pattern <- 'Df\\.[0-9]\\.csv' # regex pattern to match the file name format

read_dir <- function(dir_path, file_name){
  read_csv(paste0(dir_path, file_name)) %>% 
    mutate(file_name = file_name) %>%                # add the file name as a column              
    gather(variable, value, A:B) %>%                 # convert the data from wide to long
    group_by(file_name, variable) %>% 
    summarize(sum = sum(value, na.rm = TRUE),
              min = min(value, na.rm = TRUE),
              mean = mean(value, na.rm = TRUE),
              median = median(value, na.rm = TRUE),
              max = max(value, na.rm = TRUE))
  }

df_summary <- 
  list.files(dir_path, pattern = file_pattern) %>% 
  map_df(~ read_dir(dir_path, .))

df_summary
# A tibble: 8 x 7
# Groups:   file_name [?]
  file_name variable   sum   min  mean median   max
  <chr>     <chr>    <int> <dbl> <dbl>  <dbl> <dbl>
1 Df.1.csv  A           34     4  5.67    5.5     8
2 Df.1.csv  B           22     1  3.67    3       9
3 Df.2.csv  A           21     1  3.5     3.5     6
4 Df.2.csv  B           16     1  2.67    2.5     5
5 Df.3.csv  A           30     0  5       5      11
6 Df.3.csv  B           43     1  7.17    6.5    15
7 Df.4.csv  A           21     0  3.5     3       8
8 Df.4.csv  B           42     1  7       6      16