R中match和lapply的组合

Question

这是我的问题。

我有 8 * 3 个数据帧。 8 年（2005 年到 2012 年），每年我都有对应于生态学、花卉分布和位置的三个数据框。 csv 文件的名称基于相同的类型（flowerdistrib_2005.csv、ecology_2005.csv、...）

我想为每一年构建一个数据框，其中包含“flowerdistrib”文件的所有列以及“生态”和“位置”的一部分。

感谢这个脚本，我全部导入了：

listflower = list.files(path = "C:/Directory/.../", pattern = "flowerdistrib_")

for (i in listflower) {
filepath1 <- file.path("C:/Directory/.../",paste(i))
assign(i,read.csv(filepath1, sep=";", dec=",", header=TRUE))
}

生态和位置相同。

然后我想对具有某些特定列的三个文件进行每年的 vlookup。 每年的csv文件生态、位置和flowerdistrib都有一个名为“idp”的列。

我知道该怎么做一年。我使用以下脚本：

2005 示例，提取文件 location_2005.csv 中名为“xl93”的列：

flowerdistrib_2005[, "xl93"] = location_2005$"xl93"[match(flowerdistrib_2005$"idp", location_2005$"idp")]

但多年来我不知道如何继续这样做。我正在考虑将 for 循环与 lapply 函数结合使用，但由于我是 R 初学者，所以我不能很好地处理它。

我将不胜感激。

非常感谢。

PS：我不是英语母语，对于可能的误解和可能的语言错误，我深表歉意。

Answer 1

这是对您的 read.csv 过程的重新组织，但您可以使用类似下面的脚本来完成您需要做的事情。它将创建一个列表data，其中包含指定年份的所有数据框。如果输入表都具有完全相同的结构，您还可以将所有这些数据帧合并为一个。

希望这会有所帮助，如果您复制粘贴并更新路径，不确定下面的代码是否有效，但与此非常相似的东西可能对您有用。

# Prepare empty list
data <- list()

# Loop through all years
for(year in 2005:2012){

    # Load data for this year
    flowers <- read.csv(paste('C:/Directory/.../a/flowerdistrib_', year, '.csv', sep=''), sep=";", dec=",", header=TRUE)
    ecology <- read.csv(paste('C:/Directory/.../a/ecology_', year, '.csv', sep=''), sep=";", dec=",", header=TRUE)
    location <- read.csv(paste('C:/Directory/.../a/location_', year, '.csv', sep=''), sep=";", dec=",", header=TRUE)

    # Merge data for this specific year, using idp as identifier    
    all <- merge(flowers, ecology, by = "idp", all = TRUE)
    all <- merge(all, location, by = "idp", all = TRUE)

    # Add a year column with constant year value to data
    all$year <- year

    # Drop unused columns
    dropnames = c('column_x', 'column_y')
    all <- all[,!(names(all) %in% dropnames)]

    # Or alternatively, only keep wanted columns
    keepnames = c('idp', 'year', 'column_z', 'column_v')
    all <- all[keepnames]

    # Append data to list
    data[[as.character(year)]] <- all
}

# At this point, data should be a list of dataframes with all data for each year
# so this should print the summary of the data for 2007
summary(data[['2007']])

# If all years have the very same column structure,
# you can use use rbind to combine all years into one big dataframe
data <- do.call(rbind, data)

# This would summarize the data frame with all data combined
summary(data)

Answer 2

这是一个使用一些函数式编程概念的较短版本。首先，我们编写一个函数read_and_merge，它接受年份作为参数，构造一个年份文件列表，将它们读入data_，这是一个由三个文件组成的列表。最后一个技巧是使用 Reduce 函数递归合并三个数据帧。我假设唯一的公共列是idp。

read_and_merge <- function(year, mydir = "C:/Directory/.../a/"){
  files_ = list.files(mydir, pattern = paste("*_", year, ".csv"))
  data_ = lapply(files_, read.csv, sep = ";", dec = ",", header = TRUE)
  Reduce('merge', data_)
}

第二步是创建年份列表，并使用lapply为每一年创建数据集。

mydata = lapply(2005:2012, read_and_merge)