文件名上的 read.csv 循环矢量化

Question

我对 R 很陌生，如果编程看起来很糟糕，请见谅。

目标是基于公共前缀创建文件名，即给定前缀循环 x 次以生成前缀 1、前缀 2、前缀 3。然后使用这些文件名读取.csv(prefix-1,prefix-2,prefix-3)。

我已经让代码工作了，但是下面的效率很低：

name <- vector(mode="character", length=0)
for (i in 1:numruns)name[i] <- paste(prefix, "-", i, ".log", sep="")

if (numruns == 1) {
        raw_data_1 <-read.csv(name[1], header=F, sep="\t", skip=11)
}

if (numruns == 2) {
        raw_data_1 <-read.csv(name[1], header=F, sep="\t", skip=11)
        raw_data_2 <-read.csv(name[2], header=F, sep="\t", skip=11)
}

if (numruns == 3) {
        raw_data_1 <-read.csv(name[1], header=F, sep="\t", skip=11)
        raw_data_2 <-read.csv(name[2], header=F, sep="\t", skip=11)
        raw_data_3 <-read.csv(name[3], header=F, sep="\t", skip=11)     #import files
}

我正在尝试学习如何提高效率，以上内容符合我的目的，但我觉得我应该能够将其包含在生成名称的初始循环中。当我尝试修改原始循环时，我无法让它工作......

for (i in 1:numruns){
        name[i] <- paste(prefix, "-", i, ".log", sep="")
        raw_data <- paste("raw_data_", i, sep="")
        print(raw_data)
        raw_data <- read.csv(name[i], header=F, sep="\t", skip=11)
}

而不是获取 raw_data_1,raw_data_2,raw_data_3... 我得到“raw_data”。我很困惑，因为 print(raw_data) 实际上正确打印了“raw_data_1-3”（但只有“raw_data”实际上包含任何信息）。

感谢您对我的代码的任何帮助或批评，以使其更高效。

Answer 1

您应该尽早开始使用本机矢量化。一开始可能会令人困惑，但最终你会看到它的所有力量和美丽。请注意，许多基本函数都是矢量化的，因此对参数进行循环通常是多余的（请参阅下面的 paste 用法）。了解有关apply 家族的更多信息，它从一开始就是必不可少的工具（请参阅lapply 电话）。

由于读取多个文件是一项常见任务，因此这里是我经常使用的链。我们首先根据已知模式构建所有文件名。然后我们一次读完它们，没有任何循环。最后，我们可能希望将文件列表合并到一个数据框中。

n <- 4
prefix <- 'some_prefix'
file_names <- paste0(prefix, '-', seq_len(n), '.log')
#[1] "some_prefix-1.log" "some_prefix-2.log" "some_prefix-3.log" "some_prefix-4.log"
# a list of data frames
df_list <- lapply(file_names, function(x) read.csv(x, head=F, sep='\t', skip=11))
# total data frame (if all data frames are compatible)
df_total <- do.call(cbind, df_list)

Answer 2

做到这一点的一种方法是将它们放在一个列表中，如下所示：

raw_data <- vector(mode = "list", length = numruns) #allocate space for list
for (i in 1:numruns){ raw_data[[i]] <- read.csv(name[i], header=F, sep="\t", skip=11)}

您可以使用 lapply 在一个命令中执行此操作 - 将来可能值得一读。

您的代码不起作用的原因是您将字符串“raw_data_1”分配给 raw_data，然后用文件中的数据覆盖它。如果您真的想走有很多变量的路线，请查看assign() 和get()。