在R中自动加入/合并文件[关闭]

Question

我有大量数据文件需要通过以下方式连接。

第 1 步。

需要在“位置”中连接数据，这些位置令人讨厌地分为两部分（A 部分和 B 部分）。这些文件存储在一个文件夹中，具有随机的、不连续的位置编号，例如：

PartA_location012843.csv
PartB_location012843.csv
PartA_location465475.csv
PartB_location465475.csv
...

有没有办法遍历所有文件，在每个位置连接 A 和 B 部分，而无需手动指定位置 ID 号？ 然后连接将是来自dplyr 的简单left_join(PartA_locationX, PartB_locationX, by='common_field')。我猜输出将是 R 工作空间中的一系列数据框对象，每个位置一个：

location012843
location465475
...

第 2 步。

接下来，需要将所有位置一起附加到一个带有rjoin 的数据帧中，并保留location_id，这样：

     location_id fieldA fieldB common_field
1 location012843      x      y            c
2 location012843      x      y            c
...

Answer 1

您没有提供大量详细信息，因此此代码假定每个位置都有两个 CSV，并且没有丢失的 CSV 文件。它还假设所有位置代码都是六位数。这将为您在步骤 2 结束时指定的所有位置创建一个 data.frame，并跳过为每个位置分别创建数据框，如您在步骤 1 中提到的 - 如果您需要这些，您可以稍后将它们 filter 删除。

library(dplyr)
library(stringr)

# Create list of CSV files to pull in
a_files <- list.files("your_folder/", pattern = "PartA")
b_files <- list.files("your_folder/", pattern = "PartB")

# Create df for final output
final_df < - data.frame()

for (i in seq_along(a_files)) {

  # Extract location name from PartA file name
  loc_a <- str_extract(a_files[i], "location[0-9]{6}")

  # Read in CSVs and store location as variable
  parta <- read.csv(a_files[i]) %>%
    mutate(location_id = str_extract(a_files[i], "location[0-9]{6}"))
  partb <- read.csv(b_files[i]) %>%
    mutate(location_id = str_extract(b_files[i], "location[0-9]{6}"))

  # Join on common field and location 
  # Will throw errors if the locations are off in parta and partb
  final_df <- left_join(parta, partb, by= c('common_field', 'location_id')) %>%
    bind_rows(final_df)

}