Question

我应该将我的硕士论文的数据加载到R数据框中，该数据存储在74个excel工作簿中。每个工作簿都有4个工作表，分别称为：动物，特征，r_words，动词。所有工作表都具有相同的12个变量（开始时间，单词，结束时间，ID等）。我想将之前的每个工作表连接起来，因此生成的数据框应具有12列，并且行数取决于74个主题产生的答案数量。我想使用tidyverse的readxl软件包，并遵循本文：https://readxl.tidyverse.org/articles/articles/readxl-workflows.html#csv-caching-and-iterating-over-sheets。我面临的第一个问题是如何使用read_excel（path，sheet =“ animals”，“ features”，“ r_words”，“ verbs”）阅读所有4个工作表。这仅适用于第一个工作表，因此我尝试列出所有工作表名称（对象工作表）的列表。这也不起作用。当我尝试将以下代码仅用于一个工作表时，下一行将引发错误： basename（。）中的错误：预期为字符向量参数因此，这是我的代码的一部分，希望可以满足要求：

filenames <- list.files("data", pattern = '\\.xlsm',full.names = TRUE)

# indices
subfile_nos <- 1:length(filenames)

# function to read all the sheets in at once and cache to csv
read_then_csv <- function(sheet, path) {
  for (i in 1:length(filenames)){
    sheet <- excel_sheets(filenames[i])
     len.sheet <- 1:length(sheet)
    path <- read_excel(filenames[i], sheet = sheet[i]) #only reading in the first sheet
  pathbase <- path %>%
    basename() %>% #Error in basename(.) : a character vector argument expected
    tools::file_path_sans_ext()
  path %>%
    read_excel(sheet = sheet) %>% 
    write_csv(paste0(pathbase, "-", sheet, ".csv"))
  }
}

Answer 1

您应该执行双循环或嵌套地图，如下所示：

library(dplyr)
library(purrr)
library(readxl)

# I suggest looking at 
?purrr::map_df

# Function to read all the sheets in at once and save as csv
read_then_csv <- function(input_filenames, output_file) {
  # Iterate over files and concatenate results
  map_df(input_filenames, function(f){
    # Iterate over sheets and concatenate results
    excel_sheets(f) %>%
      map_df(function(sh){
        read_excel(f, sh)
      })
  }) %>%
  # Write csv
  write_csv(output_file)
}

# Test function
filenames <- list.files("data", pattern = '\\.xlsm',full.names = TRUE)
read_then_csv(filenames, 'my_output.csv')

如何使用readxl遍历Excel工作表

1 个答案: