来自单个列中多个变量的数据，如何修复？- R 数据框

Question

我收到了几百个 Excel 文件，其中的数据以“风格化”格式存储。当我将文件批量转换为 .csv 并读取相关行时，单个文件中的数据如下所示：

 data.frame(x1= c("year", "2014", "site", "28",NA,NA), x2= LETTERS[1:6])
    x1 x2
1 year  A
2 2014  B
3 site  C
4   28  D
5 <NA>  E
6 <NA>  F

我希望它看起来像这样：

data.frame(year= rep("2014",6), site= rep("28",6), x2= LETTERS[1:6])
  year site x2
1 2014   28  A
2 2014   28  B
3 2014   28  C
4 2014   28  D
5 2014   28  E
6 2014   28  F

如您所见，有 2 个变量名称（年份和地点）及其数据（“2014”和“28”）存储在单个列中。 （变量数据始终位于变量名称后面的行中。）数据框中的其他变量，在本例中为 x2，格式正确。

我能否就如何有效地将这些变量放入自己的列中提出一些建议？在rbind-ing 进入 1 之前，我需要将解决方案应用于大约 100 个不同长度的数据帧。

Answer 1

在基础 R 中：

    df <- data.frame(x1= c("year", "2014", "site", "28",NA,NA), x2= LETTERS[1:6], stringsAsFactors = FALSE)

制作几个索引：

year_idx <- which(df$x1 == "year")
site_idx <- which(df$x1 == "site")

获取它们的值，

year <- df$x1[year_idx +1]
site <- df$x1[site_idx +1]

使用新值创建新列：

df["year"] <- year
df["site"] <- site

重新排列：

df <- df[, c(3,4,2)]

stylized_rearranger <- function(df) {
and just do the above steps within and return
df
}

Answer 2

只要文件之间的格式一致（如果），您可以编写代码来清理一个文件，将其放入一个函数中，然后使用 `lapply(files, myFunction) 将所有文件读入为一个列表。在您的示例中，为方便起见，命名为 df：

# code to clean data
newdf <- data.frame("year"=df$x1[2], "site"=df$x1[4], "x2"=df$x2)

# wrap this in a function together with read.csv
myFunction <- function(infile) {
  df <- read.csv(infile, as.is=T)
  newdf <- data.frame("year"=df$x1[2], "site"=df$x1[4], "x2"=df$x2)
  return(newdf)
}

然后使用lapply

fileList <-list.files(<path>)
# new df names, remove .csv or .xlsx extensions, you may need to do a bit more
dfNames <- gsub("\\..*$", "", fileList)
# get a list of the data.frames
dataList <- lapply(fileList, myFunction)