Question

我知道之前已经问过这个问题，但以前的帖子的答案似乎无法解决我的问题。

我有几十个制表符分隔的.txt文件。每个文件都有两列（“pos”，“score”）。我想将所有“得分”列编译成一个包含多列的文件。每个文件中的行数各不相同，与编译无关。

如果有人可以指导我如何实现这一目标，最好是在R中，这会有很大的帮助。

或者，我的最终目标是从每个文件中读取“得分”列的中位数和平均值。因此，如果可以完成此操作，无论是否编译文件，都会更有帮助。

感谢。

更新：

正如个人代码忍者的想法一样吸引人，我明白这将是一个幻想。很抱歉没有明确。

我尝试过lapply和Reduce，例如

> files <- dir(pattern="X.*\\.txt$")
> File_list <- lapply(filesToProcess,function(score)
+  read.table(score,header=TRUE,row.names=1))
> File_list <- lapply(files,function(z) z[c("pos","score")])
> out_file <- Reduce(function(x,y) {merge(x,y,by=c("pos"))},File_list)

考虑到我有可变的行号，我知道它确实没有意义。我也试过plyr

> files <- list.files()
> out_list <- llply(files,read.table)

以及cbind和rbind。通常我收到一条错误消息，因为行号不匹配或者我只是将所有“得分”数据编译成一列。

关于类似帖子的建议（例如Merging multiple csv files in R，Simultaneously merge multiple data.frames in a list和Merge multiple files in a list with different number of rows）没有帮助。

我希望这能解决问题。

Answer 1

这个问题可以通过两个步骤解决：

步骤1。将csv文件中的数据读入数据框列表，其中files是文件名的向量。如果您需要向read.csv添加额外的参数，请添加它们，如下所示。有关详细信息，请参阅?lapply。

list_of_dataframes <- lapply(files, read.csv, stringsAsFactors = FALSE)

第2步。计算每个数据框的均值：

means <- sapply(list_of_dataframes, function(df) mean(df$score))

当然，您可以像这样一步完成：

means <- sapply(files, function(filename) mean(read.csv(filename)$score))

Answer 2

我想你想要像这样的人：

all_data = do.call(rbind, lapply(files,
                                 function(f) {
                                   cbind(read.csv(f), file_name=f)
                                 }))

然后，您可以执行任何“您喜欢”的操作。此外，不要忘记调整各种read.csv选项以满足您的需求。

E.g。完成上述操作后，您可以执行以下操作（以及更多）：

library(data.table)
dt = data.table(all_data)

dt[, list(mean(score), median(score)), by = file_name]

一个小注释：你也可以使用data.table的{{1}}来读取文件而不是fread及其派生词，这样会更快，而且我们就是这样，使用read.table代替rbindlist。

合并R中不同行的多个文件

2 个答案: