打开文件夹中的所有文件,然后应用功能

Question

我正在做一个相对简单的分析,我把它放在一个函数中,在特定文件夹中的所有文件上.我想知道是否有人有任何提示可以帮助我在许多不同的文件夹上自动执行该过程.

1. 首先,我想知道是否有一种方法可以将特定文件夹中的所有文件直接读入R.我相信以下命令将列出所有文件:

files <- (Sys.glob("*.csv"))

...我从使用R找到列出具有指定扩展名的所有文件

然后以下代码将所有这些文件读入R.

listOfFiles <- lapply(files, function(x) read.table(x, header = FALSE)) 

...来自操纵R中的多个文件

但是这些文件似乎是作为一个连续列表而不是单个文件读取的...如何更改脚本以将特定文件夹中的所有csv文件作为单独的数据帧打开？

2. 其次,假设我可以单独读取所有文件,如何一次性完成所有这些数据帧的功能.例如,我创建了四个小型数据框,以便我可以说明我想要的内容:

   Df.1 <- data.frame(A = c(5,4,7,6,8,4),B = (c(1,5,2,4,9,1)))
   Df.2 <- data.frame(A = c(1:6),B = (c(2,3,4,5,1,1)))
   Df.3 <- data.frame(A = c(4,6,8,0,1,11),B = (c(7,6,5,9,1,15)))
   Df.4 <- data.frame(A = c(4,2,6,8,1,0),B = (c(3,1,9,11,2,16)))
   

我还编写了一个示例函数:

Summary<-function(dfile){
SumA<-sum(dfile$A)
MinA<-min(dfile$A)
MeanA<-mean(dfile$A)
MedianA<-median(dfile$A)
MaxA<-max(dfile$A)

sumB<-sum(dfile$B)
MinB<-min(dfile$B)
MeanB<-mean(dfile$B)
MedianB<-median(dfile$B)
MaxB<-max(dfile$B)

Sum<-c(sumA,sumB)
Min<-c(MinA,MinB)
Mean<-c(MeanA,MeanB)
Median<-c(MedianA,MedianB)
Max<-c(MaxA,MaxB)
rm(sumA,sumB,MinA,MinB,MeanA,MeanB,MedianA,MedianB,MaxA,MaxB)

Label<-c("A","B")
dfile_summary<-data.frame(Label,Sum,Min,Mean,Median,Max)
return(dfile_summary)}

我通常会使用以下命令将函数应用于每个单独的数据帧.

Df1.summary <-Summary(dfile)

有没有办法,而不是将函数应用于所有数据框,并使用摘要表中的数据框的标题(即Df1.summary).

非常感谢,

凯蒂

Answer 1

相反,我认为合作list可以很容易地使这些事情自动化.

这是一个解决方案(我将四个数据帧存储在文件夹中temp/).

filenames <- list.files("temp", pattern="*.csv", full.names=TRUE)
ldf <- lapply(filenames, read.csv)
res <- lapply(ldf, summary)
names(res) <- substr(filenames, 6, 30)

存储文件的完整路径非常重要(正如我所做的那样full.names),否则你必须粘贴工作目录,例如

filenames <- list.files("temp", pattern="*.csv")
paste("temp", filenames, sep="/")

也会工作.请注意,我曾经substr在丢弃完整路径时提取文件名.

您可以按如下方式访问摘要表:

> res$`df4.csv`
       A              B        
 Min.   :0.00   Min.   : 1.00  
 1st Qu.:1.25   1st Qu.: 2.25  
 Median :3.00   Median : 6.00  
 Mean   :3.50   Mean   : 7.00  
 3rd Qu.:5.50   3rd Qu.:10.50  
 Max.   :8.00   Max.   :16.00  

如果您真的想要获得单独的汇总表,则可以在之后提取它们.例如,

for (i in 1:length(res))
  assign(paste(paste("df", i, sep=""), "summary", sep="."), res[[i]])

Answer 2

通常我不在R中使用for循环,但这是我使用for循环和两个包的解决方案:plyr和dostats

plyr正在崩溃,您可以在https://github.com/halpo/dostats上下载dostats(可能正在使用来自Hadley devtools包的install_github )

假设我在csv文件中有前两个data.frame(Df.1和Df.2),你可以这样做.

require(plyr)
require(dostats)

files <- list.files(pattern = ".csv")


for (i in seq_along(files)) {

    assign(paste("Df", i, sep = "."), read.csv(files[i]))

    assign(paste(paste("Df", i, sep = ""), "summary", sep = "."), 
           ldply(get(paste("Df", i, sep = ".")), dostats, sum, min, mean, median, max))

}

这是输出

R> Df1.summary
  .id sum min   mean median max
1   A  34   4 5.6667    5.5   8
2   B  22   1 3.6667    3.0   9
R> Df2.summary
  .id sum min   mean median max
1   A  21   1 3.5000    3.5   6
2   B  16   1 2.6667    2.5   5

Answer 3

这是一个tidyverse可能不是最优雅的选项，但在摘要中包含的内容方面提供了一些灵活性：

library(tidyverse)
dir_path <- '~/path/to/data/directory/'
file_pattern <- 'Df\\.[0-9]\\.csv' # regex pattern to match the file name format

read_dir <- function(dir_path, file_name){
  read_csv(paste0(dir_path, file_name)) %>% 
    mutate(file_name = file_name) %>%                # add the file name as a column              
    gather(variable, value, A:B) %>%                 # convert the data from wide to long
    group_by(file_name, variable) %>% 
    summarize(sum = sum(value, na.rm = TRUE),
              min = min(value, na.rm = TRUE),
              mean = mean(value, na.rm = TRUE),
              median = median(value, na.rm = TRUE),
              max = max(value, na.rm = TRUE))
  }

df_summary <- 
  list.files(dir_path, pattern = file_pattern) %>% 
  map_df(~ read_dir(dir_path, .))

df_summary
# A tibble: 8 x 7
# Groups:   file_name [?]
  file_name variable   sum   min  mean median   max
  <chr>     <chr>    <int> <dbl> <dbl>  <dbl> <dbl>
1 Df.1.csv  A           34     4  5.67    5.5     8
2 Df.1.csv  B           22     1  3.67    3       9
3 Df.2.csv  A           21     1  3.5     3.5     6
4 Df.2.csv  B           16     1  2.67    2.5     5
5 Df.3.csv  A           30     0  5       5      11
6 Df.3.csv  B           43     1  7.17    6.5    15
7 Df.4.csv  A           21     0  3.5     3       8
8 Df.4.csv  B           42     1  7       6      16