在 R 循环中格式化多个 CSV 文件

Question

我尝试合并来自 HOBOware 数据记录器的数据，我们每个月左右都会收集数据并一直在 Excel 中编译它们。我正在尝试获取原始 CSV 文件并在 R 中处理它们。我正在努力在循环中正确格式化 CSV

我可以通过

单独格式化每个月

Pool_xxx <- read_csv("Pool_xxx.csv", 
                           col_types = cols(`Date Time, GMT-05:00` = col_datetime(format = "%m/%d/%y %H:%M:%S")), 
                           skip = 1)[,2:4]

但我想创建一个循环来执行文件夹中的每个 CSV

我已经阅读了很多关于如何循环的帖子，但我不知道在哪里放置列规范

setwd("E:/R Hobo/Conversion test/Converted HOBO files")
mydir = "Pool 6"
myfiles = list.files(path=mydir, pattern="*.csv", full.names=TRUE)
numfiles <- length(myfiles)     
for (numfiles in myfiles) {
      sample <- read.csv(numfiles,
                          header = FALSE,
                          sep = ",",
                          col_types = cols(`Date Time, GMT-05:00` = col_datetime(format = "%m/%d/%y %H:%M:%S")),  
                          skip = 1) [,2:4]
}

我不断收到这个，但我不知道该去哪里

Error in read.table(file = file, header = header, sep = sep, quote = quote,  : 
  unused argument (col_types = cols(`Date Time, GMT-05:00` = col_datetime(format = "%m/%d/%y %H:%M:%S")))

有人建议 lapply 但 R 一直说它与 3.5.3 版本不兼容

原始 CSV 链接：https://drive.google.com/file/d/1SUf--PNznlNOlDkXeXYaRKuSHqa-EVZM/view?usp=sharing

Answer 1

您在第一个代码块中使用readr::read_csv，但在第二个代码块中您已切换到read.csv，它是base 的一部分并且具有不同的参数。只需将read_csv 替换为sample <- read_csv(numfiles, 即可解决此问题。

恐怕我每天都在使用 R3.4.4，所以我不知道这个 lapply 问题。但是，每次迭代循环时，您编写的代码都会覆盖样本——在该块的末尾，sample 将包含从最后一个 csv 读取的值。这是一个替代方案（尽可能多地保留其他代码）：我们从第一个文件创建sample，然后在每次循环时，我们将它与从下一个文件读取的数据结合起来（参见@987654329 @ 了解更多关于 dplyr 函数的信息）。

library(dplyr)
library(readr)
setwd("E:/R Hobo/Conversion test/Converted HOBO files")
mydir = "Pool 6"
myfiles = list.files(path=mydir, pattern="\\.csv$", full.names=TRUE)
# numfiles <- length(myfiles)

# You want sample to exist before the loop, so you can union the new content with the existing object
sample <- read_csv(myfiles[1],
                   col_types = cols(`Date Time, GMT-05:00` = col_datetime(format = "%m/%d/%y %H:%M:%S")),  
                   skip = 1) %>% select(2:4)

for (numfiles in myfiles[-1]) { # numfiles as referenced here, and in the block below, is independent of the assignment you make above; myfiles[-1] removes the first element used above.
    sample <- union_all(sample,
                        read_csv(numfiles,
                                 col_types = cols(`Date Time, GMT-05:00` = col_datetime(format = "%m/%d/%y %H:%M:%S")),  
                                 skip = 1) %>% select(2:4))
}

我在这里做了一些其他小的修复和更改。您在list.files 中的模式有效，但该参数需要一个正则表达式，所以这应该更接近我认为您想要的。我删除了header 和sep 参数，它们转到read.csv，而不是read_csv。最后，我使用dplyr::select 来代替[ 抓取列——read_csv 返回tibble，并且select 可以更好地发挥作用；不幸的是，列名有点难以使用，所以我仍然按索引选择它们。

你没有提供一个我可以实际测试的例子，因为我没有你正在读取的文件，所以我无法测试这个，但它应该可以工作。