r - 如何在R中堆叠数据？

Question

我有 20 个不同的 .csv 文件，我需要了解如何在 R 中堆叠数据，以便我可以全面了解数据。
目前我正在复制和粘贴excel中的列以制作一个大数据集。
但是，我确信在 R 中有一种更快、更有效的方法，因为这最终需要一段时间。

此外，更糟糕的是，每个数据集中的某些变量名称并不相同。
例如，VARIABLE1 在某些数据集中被写为 variable1。我将如何在 R 中纠正这一点，因为我知道 R 区分大小写？

任何帮助将不胜感激。谢谢!

Answer 1

如果您(或希望您)熟悉 data.table，这是最简单、最快捷的方法。包是这样的(未经测试):

require(data.table)
in_pth <- "path_to_csv_files" # directory where CSV files are located, not the files.
files <- list.files(in_pth, full.names=TRUE, recursive=FALSE, pattern="\\.csv$")
out <- rbindlist(lapply(files, fread))

list.files参数:

full.names = TRUE将返回文件的完整路径。假设您的 in_pth <- "c:\\my_csv_folder"里面有两个文件:01.csv and 02.csv .然后，full.names=TRUE将返回 c:\\my_csv_folder\\01.csv和 c:\\my_csv_folder\\02.csv ( 完整路径 )。

recursive = FALSE不会在内部搜索 目录 在您的 in_pth 内文件夹。假设您在 c:\\my_csv_folder\\another_folder 中还有两个 csv 文件.现在，如果你想在这个里面加载这些文件，那么你可以设置 recursive=TRUE , 它将扫描文件，直到您找到所有向下搜索的目录。

pattern=\\.csv$ :这是一个正则表达式，用于告诉要加载哪种文件。如果您的文件夹除了 csv 文件之外还有文本文件 (.txt)，那么通过指定此模式，您将仅加载 csv文件。如果您的文件夹只有 CSV 文件，则没有必要。

数据表函数:

rbindlist通过保留以前的 data.table 的名称来避免列名冲突。也就是说，如果您有两个 data.table s dt1, dt2列名 x,y和 a,b分别，然后做 rbindlist(dt1,dt2)会照顾改变a,b至 x,y和 rbindlist(dt2, dt1)会照顾改变x,y至 a,b .

fread最常自动处理列、标题分隔符等......并且速度非常快(尽管仍处于实验阶段，因此您可能需要检查输出以确保一切正常(即使稳定))。