我正在与R合作进行一些数据分析。我将数据保存在与其所属年份有关的单独文件夹中。在year文件夹中,有几个类别文件夹,每个类别文件夹都有需要导入的.csv和.dat文件。文件名在“ category_outlet_timeinterval.csv”或“ .dat”中的结构类似。每年包含相同类别,每个类别包含相同类型的文件,只是时间间隔不同。
我需要从几个不同的文件夹中导入这些文件,并为Year,Category和Outlet添加一列。这些列中的值需要从每个文件名中读取。添加列之后,文件将合并到单个数据框中。
我已经使用fread合并了一部分:
# (1) Create File List
csv_files <- list.files (path = "R/win-library/Practice",
pattern = "*.csv",
recursive = T,
full.names = T)
# (2) Import All csv with 'fread()'
DATA_ALL <- rbindlist (lapply (csv_files, fread))
view(DATA_ALL)
问题:
-我可以从文件名中检索信息作为子字符串并相应地创建列的最有效方法是什么?
-我是否必须使每个文件都成为一个数据帧,还是可以从文件列表中全部完成?这个问题的主要原因是文件太大。
我是R语言的初学者,正在尝试掌握它。抱歉,如果我不清楚。预先感谢!
您可以在数据框中创建包含路径和文件名信息的列:
files <- list.files(path = path,
full.names = TRUE,
all.files = FALSE,
recursive = TRUE)
files <- files[!file.info(files)$isdir]
data <- lapply(files,
function(x) {
data <- read_xls(x, sheet = 1)
data$File_name <- basename(x)
data$Path <- dirname(x)
data
})
然后您可以从这些列中计算出要查询的信息(例如年份)。我通常会使用stringr
或str_detect
之类的str_extract
函数从文件名和路径中提取相关信息。