Question

我有来自dfr.jstor.org的1000个CSV文件，其中有两列，KEYWORDS和WEIGHT。每列的长度因文件而异。这是一个CSV文件的片段：

KEYTERMS  WEIGHT
canoe     1
archaic   0.273
pinus     0.191
florida   0.164

我想使用R从每个CSV文件中获取KEYTERMS列，并将其合并到一个数据框中，如下所示：

KEYTERMS_CSVFILENAME1 KEYTERMS_CSVFILENAME2 KEYTERMS_CSVFILENAME3
thwart                newsom                period 
dugout                site                  cypress 
sigma                 date                  hartmann 
precontact            NA                    florida 
orange                NA                    NA

其中CSVFILENAME1是CSV文件的名称，其中这些关键字来自且NA是空单元格。

我认为我的问题与this one非常相似，区别在于我的列长不同。 This也可能与解决方案相关，而this看起来正确，但我需要一些手握，以使其适合我的情况。提前谢谢！

Answer 1

如果您完全不受内存空间的限制，请执行以下操作：

datlist <- lapply(csvnames,read.csv)
maxlen <- max(sapply(datlist,nrow))
pad.NA <- function(x,len) {
   c(x,rep(NA_character_,len-length(x)))
}
keylist <- lapply(datlist,function(x) { pad.na(x[["KEYTERMS"]],maxlen) })
names(keylist) <- paste(KEYTERMS,csvnames,sep="_")
do.call(cbind,keylist)

可能有用（编辑：添加缺失的括号，NA_character_）

Answer 2

为了节省LITTLE内存/时间，您可以像这样修改@Ben Bolker的解决方案：

datlist <- lapply(csvnames,read.csv, colClasses=c("character", "NULL"))
rowseq <- seq_len( max(vapply(datlist,nrow, integer(1))) )
keylist <- lapply(datlist,function(x) { x[[1]][rowseq] ) })
names(keylist) <- paste(KEYTERMS,csvnames,sep="_")
#do.call(cbind,keylist)
do.call(data.frame,keylist)

...我刚改变，只读取了第一列，并通过观察选择一个自动延伸到字符向量区域之外的序列来简化NA填充...

如果你保持旧的填充方式，你应该至少使用NA_character_而不是NA填充，以避免不必要的强制。

我还按编号而不是名称索引KEYTERMS列（因为应该只有一个）。我还将sapply更改为vapply，因为我更喜欢它:) - 它实际上也更快。

最后你说你想要data.frame。最后一行产生的不是矩阵。

Answer 3

以下是使用ldply中的plyr和来自reshape的{{1}}

的稍微简单的解决方案

base

从许多CSV文件中挑选一列不同长度的列并合并到R中的一个矩阵

3 个答案: