Question

我有许多结构相似的.csv文件：

1.csv

Type n
A   1
B   20
C   34
D   5
...

2.csv

Type n
A   2
B   15
C   16
D   5
...

我希望将它们组合在一起：

Type  n1   n2
  A   1    2
  B   20   15
  C   34   16
  D   5    5
  ...

当我使用lapply时，我得到了

 Type n  Type   n
  A   1    A    2
  B   20   B    15
  C   34   C    16
  D   5    D    5
  ...

有没有简单的方法将它们正确组合？

我愿意接受R或Python的解决方案

Answer 1

解释1：每个CSV的相同数据结构

如果结构相同，请考虑以下两个选项，但首先是一些示例数据：

cat("Type n", "A  1", "B  20", "C  34", "D  5", sep = "\n", file = "myfile1.txt")
cat("Type n", "A  2", "B  15", "C  16", "D  5", sep = "\n", file = "myfile2.txt")

选项1：当您使用"NULL"（带引号）作为需要删除的列的colClasses来读取数据时，删除第一列。使用cbind将文件放在一起。

x <- read.table("myfile1.txt", header=TRUE)
y <- read.table("myfile2.txt", header=TRUE, colClasses=c("NULL", "numeric"))
cbind(x, y)
#   Type  n  n
# 1    A  1  2
# 2    B 20 15
# 3    C 34 16
# 4    D  5  5

## For more files:
## do.call(cbind, list(x, y, ...))

选项2：正常读取文件，然后使用c(FALSE, TRUE)向量进行子集化，将所有对象的第一列放在list和cbind中。< / p>

x1 <- read.table("myfile1.txt", header = TRUE)
y1 <- read.table("myfile2.txt", header = TRUE)

fileList <- list(x1, y1)
cbind(x1[1], do.call(cbind, fileList)[c(FALSE, TRUE)])
#   Type  n n.1
# 1    A  1   2
# 2    B 20  15
# 3    C 34  16
# 4    D  5   5

当然，以上只是极少数的例子。我假设你每个文件中实际上有两列以上。使用实际匹配列的TRUE和FALSE的向量来分别保留和删除第二个选项，并使用"NULL"和第一个选项的对象类。

解释2：每个CSV的类似数据结构

如果数据结构类似但相同，则可能需要使用merge。请考虑以下示例数据。前三个文件具有相同的结构，但第四个文件"myfile4.txt"具有A，B，D和E作为“类型”值，而其他三个具有“A”，“B”，“C” “和”D“

cat("Type n", "A  1", "B  20", "C  34", "D  5", sep = "\n", file = "myfile1.txt")
cat("Type n", "A  2", "B  15", "C  16", "D  5", sep = "\n", file = "myfile2.txt")
cat("Type n", "A  1", "B   5", "C   6", "D  7", sep = "\n", file = "myfile3.txt")
cat("Type n", "A  8", "B   9", "D  11", "E  0", sep = "\n", file = "myfile4.txt")

以下是我们如何解决这个问题。

批量阅读文件：

x <- list.files(pattern="myfile")
y <- lapply(x, read.table, header = TRUE)

如果多个merge无法创建唯一名称，则可能会导致错误。通过为非id列创建唯一名称来帮助merge。

library(data.table) ## for `setnames`
## setnames will silently assign new names 
##   to the original data in list "y"
invisible(lapply(seq_along(y), function(z) 
  setnames(y[[z]], "n", paste("n", z, sep = "_"))))

使用“{1}}将Reduce列在一起，使用”类型“列作为”ID“。
```
merge
```

Answer 2

在Python中

，您应该使用pandas来执行这些操作：

import pandas as pd

df1 = pd.read_csv('1.csv', sep='\s+', index_col=0)
df2 = pd.read_csv('2.csv', sep='\s+', index_col=0)

pd.concat([df1, df2], axis=1)
Out[16]: 
       n   n
Type        
A      1   2
B     20  15
C     34  16
D      5   5

如果您希望更多自动列重命名：

pd.merge(df1, df2, left_index=True, right_index=True, suffixes=['1', '2'])
Out[20]: 
      n1  n2
Type        
A      1   2
B     20  15
C     34  16
D      5   5

Answer 3

此处的另一个解决方案是假设不需要合并。例如，如果您有三个文件，则可以按如下方式阅读：

n <- 1:3
x <- lapply(sprintf('%s.csv', n), read.csv)

您只想删除每个表中的第一列，这样您就可以使用sapply()上的[[.data.frame删除不需要的列，然后将其全部合并到一个数据框中。

data.frame(Type = x[[1]]$Type, sapply(x, '[[', -1))

或者如果你真的想要n1，n2等形式的名字：

data.frame(
  Type = x[[1]]$Type, 
  setNames(lapply(x, '[[', -1), paste0('n', n))
)

如何将几个类似的.csv文件组合成一个给定结构的数据帧

3 个答案:

解释1：每个CSV的相同数据结构

解释2：每个CSV的类似数据结构