Question

我有一个包含超过500个.dta文件的文件夹。我想将一些文件加载到一个R对象中。

我的.dta文件的通用名称由四部分组成：'两个字母/四个数字/ y / .dta'。例如，名称可以是'de2015y.dta'或'fr2008y.dta'。只有与两个字母和四个数字对应的部分才会在.dta文件中发生变化。

我编写了一个有效的代码，但我对此并不满意。我想避免使用循环并缩短它。

我的代码是：

asadmin

有谁知道如何避免使用循环并缩短我的代码？

Answer 1

您也可以使用purrr完成任务。

首先为您要加载的所有文件创建一个命名向量（据我了解您的问题，您只需要2015年的所有文件）。 setNames()部分仅在您想要数据框中的ID变量并且尚未包含在.dta文件中时才是必需的。

之后，只需使用map_df()读取所有文件并返回数据框。指定.id是可选的，会生成ID列，其值的值基于in_files的名称。

library(purrr)
library(haven)

in_files <- list.files(path="E:/Folder", pattern = "2015y", full.names = TRUE)
in_files <- setNames(in_files, in_files)

df2015 <- map_df(in_files, read_dta, .id = "id")

Answer 2

我会更改此任务的工作目录... 那么这会做你要求的吗？

setwd("C:/.../yourfiles")

# get file names where year equals "2015"
name=list.files(pattern="*.dta")
name=name[substr(name,3,6)=="2015"]

# read in the files in a list
files=lapply(name,foreign::read.dta)

# remove ".dta" from file names and
# give the file contents in the list their name
names(files)=lapply(name,function(x) substr(x, 1, nchar(x)-4))
#or alternatively
names(files)=as.list(substr(name,1,nchar(name)-4))

# optional: put all file contents into one data-frame
#(data-frames (vectors) need to have the same row counts (lengths) for this last step to work)
mydatafrm = data.frame(files)

Answer 3

以下步骤可为您提供所需内容：

加载foreign包：

library(foreign) # or alternatively: library(haven)

创建文件名列表

file.list <- list.files(path="E:/Folder", pattern='*.dat', full.names = TRUE)

确定要读取的文件（注意：您必须检查这些文件在substr中的位置是否正确，这是我方的估算值）
```
vec <- as.integer(substr(file.list,13,16))
file.list2 <- file.list[vec==max(vec)]
```

阅读文件

df.list <- sapply(file.list2, read.dta, simplify=FALSE)

从列表名中删除路径

names(df.list) <- gsub("E:/Folder","",names(df.list))

将数据帧绑定在一个data.frame / data.table中，并创建一个id-column

library(data.table)
df <- rbindlist(df.list, idcol = "id")

# or with 'dplyr'
library(dplyr)
df <- bind_rows(df.list, .id = "id")

现在你有一个data.frame，其id-column标识了不同的原始文件。

加载多个.dta文件

3 个答案: