如何在R中堆叠数据？

Question

我有20个不同的.csv文件，我需要一些如何在R中堆叠数据，以便我可以获得数据的整体情况。 现在我正在复制并粘贴excel中的列以创建一个大数据集。 但是，我确信在R中有更快更有效的方法，因为这最终需要一段时间。

另外，为了使事情变得更糟，一些变量名在每个数据集中都不相同。 例如，VARIABLE1在某些数据集中被写为variable1。我如何在R中纠正这一点，因为我理解R是区分大小写的？

非常感谢任何帮助。谢谢！

Answer 1

最简单，最快捷的方式，如果您（或希望您）熟悉data.table包，就这样（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"并且在其中有两个文件：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in_pth文件夹中的目录内搜索。假设您在c:\\my_csv_folder\\another_folder中还有两个csv文件。现在，如果您要在这个文件中加载这些文件，那么您可以设置recursive=TRUE，它将扫描文件，直到您到达所有搜索目录。

• pattern=\\.csv$：这是一个正则表达式，用于指示要加载的文件类型。如果您的文件夹，除了csv文件还有文本文件（.txt），那么通过指定此模式，您将只加载csv个文件。如果您的文件夹只有CSV文件，则无需这样做。

---

data.table函数：

• rbindlist通过保留以前data.table的名称来避免列名冲突。也就是说，如果您分别有两个data.table dt1, dt2列名为x,y和a,b，那么执行rbindlist(dt1,dt2)将会更改{{1} } a,b和x,y会将rbindlist(dt2, dt1)更改为x,y。

• a,b最常自动处理列，标题分隔符等等。并且非常快（虽然仍然是实验性的，所以您可能需要检查输出以确保它一切正常（即使稳定））。

Answer 2

@Denis：同样值得查看plyr包。 rbind.fill(...)允许您按行组合data.frames。

install.packages("plyr")
library(plyr)

help (rbind.fill)有关详细信息，可以提供以下信息：

rbinds填充NA缺失列的数据框列表。

用法

rbind.fill(...) 参数

... 将数据帧输入到行绑定在一起。第一个参数可以是数据框列表，在这种情况下，所有其他参数都将被忽略。

详细

这是rbind的增强功能，可添加所有输入中不存在的列，接受数据帧列表，并且操作速度更快。

输出中的列名称和类型将按其遇到的顺序显示。不执行检查以确保每列在输入中具有一致的类型。

据我所知，没有cbind.fill;但是，有一个用户函数cbind.fill允许您按列组合data.frames。详情here。

有两种解决方案：一种取决于rbind.fill中的plyr package，另一种取决于rbind.fill。

Answer 3

另一种方法，不使用外部包，就是使用cbind（）命令：它使每列绑定..所以如果你有不同的表，你可以将它们作为参数传递给cbind（），它们将是所附