Question

我有一个数据帧列表，我最终想要合并，同时保留其原始数据帧名称或列表索引的记录。这将允许我跨所有行的子集等。为了实现这一点，我想在每个数据帧中添加一个新的变量“id”，其中包含它所属的数据帧的名称/索引。

编辑：“在我的实际代码中，数据框变量是通过使用以下代码读取多个文件而创建的，所以我没有实际名称只有'files.to.read'列表中的那些我不确定是否它们将与数据框顺序一致：

mylist <- llply(files.to.read, read.csv)

几个帖子中突出了几种方法： Working-with-dataframes-in-a-list-drop-variables-add-new-ones和 Using-lapply-with-changing-arguments

我尝试了两种类似的方法，第一种使用索引列表：

df1 <- data.frame(x=c(1:5),y=c(11:15))
df2 <- data.frame(x=c(1:5),y=c(11:15))
mylist <- list(df1,df2)

# Adds a new coloumn 'id' with a value of 5 to every row in every dataframe.
# I WANT to change the value based on the list index.
mylist1 <- lapply(mylist, 
    function(x){
        x$id <- 5
        return (x)
    }
)
#Example of what I WANT, instead of '5'.
#> mylist1
#[[1]]
  #x  y id
#1 1 11  1
#2 2 12  1
#3 3 13  1
#4 4 14  1
#5 5 15  1
#
#[[2]]
  #x  y id
#1 1 11  2
#2 2 12  2
#3 3 13  2
#4 4 14  2
#5 5 15  2

第二次尝试传递列表的名称（）。

# I WANT it to add a new coloumn 'id' with the name of the respective dataframe
# to every row in every dataframe.
mylist2 <- lapply(names(mylist), 
    function(x){
        portfolio.results[[x]]$id <- "dataframe name here"
        return (portfolio.results[[x]])
    }
)
#Example of what I WANT, instead of 'dataframe name here'.
# mylist2
#[[1]]
  #x  y id
#1 1 11  df1
#2 2 12  df1
#3 3 13  df1
#4 4 14  df1
#5 5 15  df1
#
#[[2]]
  #x  y id
#1 1 11  df2
#2 2 12  df2
#3 3 13  df2
#4 4 14  df2
#5 5 15  df2

但是names（）函数不适用于数据帧列表;它返回NULL。我可以在第一个例子中使用seq_along（mylist）。

处理整个“与源ID合并”的任何想法或更好的方法

编辑 - 下面添加了解决方案：我已经使用Hadleys建议和Tommy的推动实现了一个解决方案，看起来像这样。

files.to.read <- list.files(datafolder, pattern="\\_D.csv$", full.names=FALSE)
mylist <- llply(files.to.read, read.csv)
all <- do.call("rbind", mylist)
all$id <- rep(files.to.read, sapply(mylist, nrow))

我使用files.to.read向量作为每个数据帧的id

我也因使用merge_recurse（）而改变，因为它出于某种原因非常慢。

 all <- merge_recurse(mylist)

谢谢大家。

Answer 1

就个人而言，我认为在崩溃后添加名称会更容易：

df1 <- data.frame(x=c(1:5),y=c(11:15))
df2 <- data.frame(x=c(1:5),y=c(11:15))
mylist <- list(df1 = df1, df2 = df2)

all <- do.call("rbind", mylist)
all$id <- rep(names(mylist), sapply(mylist, nrow))

Answer 2

你的第一次尝试非常接近。通过使用索引而不是值，它将起作用。您的第二次尝试失败，因为您没有为列表中的元素命名。

下面的两个解决方案都使用lapply可以将额外参数（mylist）传递给函数的事实。

df1 <- data.frame(x=c(1:5),y=c(11:15))
df2 <- data.frame(x=c(1:5),y=c(11:15))
mylist <- list(df1=df1,df2=df2) # Name each data.frame!
# names(mylist) <- c("df1", "df2") # Alternative way of naming...

# Use indices - and pass in mylist
mylist1 <- lapply(seq_along(mylist), 
        function(i, x){
            x[[i]]$id <- i
            return (x[[i]])
        }, mylist
)

# Now the names work - but I pass in mylist instead of using portfolio.results.
mylist2 <- lapply(names(mylist), 
    function(n, x){
        x[[n]]$id <- n
        return (x[[n]])
    }, mylist
)

Answer 3

names()可以使用它的名字，但你没有给它任何。这是一个未命名的名单。您将需要使用数字索引：

> for(i in 1:length(mylist) ){ mylist[[i]] <- cbind(mylist[[i]], id=rep(i, nrow(mylist[[i]]) ) ) }
> mylist
[[1]]
  x  y id
1 1 11  1
2 2 12  1
3 3 13  1
4 4 14  1
5 5 15  1

[[2]]
  x  y id
1 1 11  2
2 2 12  2
3 3 13  2
4 4 14  2
5 5 15  2

Answer 4

dlply 函数表单 plyr 包可能是一个答案：

library('plyr')
df1 <- data.frame(x=c(1:5),y=c(11:15))
df2 <- data.frame(x=c(1:5),y=c(11:15))
mylist <- list(df1 = df1, df2 = df2)

all <- ldply(mylist)

列表中的数据帧;添加名为dataframe的新变量

4 个答案: