Question

我有三个目录，每个目录包含大约2,000个文件 - 这些文件具有相同的格式，但它们来自3个不同的来源。对于每组3个文件，我需要读入数据，合并它们，并进行一些计算并存储输出。我已经让我的脚本运行测试用例;现在我试图将它循环遍历所有文件（因此，每组有2000组3个文件）。

我当然只想一次读3。我想到了这种方法：创建一个文件数据框，其中列代表3种类型，行代表文件。我这样做：

type1Files <- list.files(path="path_to_dir", pattern="*.tsv", full.names=TRUE, recursive=FALSE)
type2Files <- list.files(path="path_to_dir", pattern="*.tsv", full.names=TRUE, recursive=FALSE)
type3Files <- list.files(path="path_to_dir", pattern="*.tsv", full.names=TRUE, recursive=FALSE)

enter files.df <- cbind.data.frame(type1=type1Files,type2=type2Files,type3=type3Files)

现在我需要按列读取这些文件，循环遍历行，这样在一个循环中只能打开3个文件。问题是我无法使用read.table读取文件，我认为这是因为文件名的格式（read.table（）没有以正确的格式提供）。

head(files.df) #confirms that each file is not surrounded by double quotes as required by read.table

我的read.table声明：

type1.df <- read.table(x, header=FALSE, sep="\t", stringsAsFactors=FALSE)

对于x，我尝试了以下内容：

shQuote(files.df[1,"type1"])
dQuote(files.df[1,"type1"])

file.t <- files.df[1,"type1"]
paste0('"',file.t,'"')

我已经直接在read.table（）中尝试了所有这些，并保存到对象并在read.table（）中命名对象。我甚至尝试使用cat（），因为我认为转义引号可能是问题所在。什么都行不通。我要么得到＆＃34;意外的输入＆＃34;作为错误或典型错误：＆＃34;文件错误（文件，＆＃34; rt＆＃34;）：无法打开连接。＆＃34;此外，如果我将错误中打印的确切文件名粘贴到我的read.table（）语句中，它运行正常。所以，经过几个小时，我很难过。

这可以这样做吗？谢谢大家的意见。

Answer 1

考虑直接从列表迭代而不使用中间数据帧。使用Map，您可以传递2,000个数据帧的每个列表，以便在所有三种类型中进行迭代cbind调用。 cbind.data.frame下面的列前面带有 type1 ， type2 和 type3 的列。

bind_dfs <- function(x,y,z) {
  xdf <- read.table(x, header=FALSE, sep="\t", stringsAsFactors=FALSE)
  ydf <- read.table(y, header=FALSE, sep="\t", stringsAsFactors=FALSE)
  zdf <- read.table(z, header=FALSE, sep="\t", stringsAsFactors=FALSE)

  cbind.data.frame(type1=xdf, type2=ydf, type3=zdf)
}

dfList <- Map(bind_dfs, type1Files, type2Files, type3Files)

此外，要运行计算，您可以扩展bind_dfs方法

bind_dfs <- function(x,y,z) {
  xdf <- read.table(x, header=FALSE, sep="\t", stringsAsFactors=FALSE)
  ydf <- read.table(y, header=FALSE, sep="\t", stringsAsFactors=FALSE)
  zdf <- read.table(z, header=FALSE, sep="\t", stringsAsFactors=FALSE)

  df <- cbind(xdf, ydf, zdf)
  df <- #... other calculations
  return(df)
}

或者在数据帧列表中使用另一个循环：

newdfList <- lapply(dfList, function(df){
   df <- # ... other calculations
   return(df)
})

读取存储在R中的数据帧中的文件

1 个答案: