读取多个csv数据并一次创建新列
我有一个文件,里面有很多csv
数据。
我想读取它们并一次创建新列,然后合并为一个数据表。我在这里解释更多。读取多个csv数据并一次创建新列
- 看这个图:
我想基于CSV数据标题就可以创建2分新列
YEAR
和MONTH
。
ex。以201508 Sales Report(London)
为例。我想创建YEAR = 2015
和MONTH = 8
。-
我不知道该怎么做,但我可以在不创建新列的情况下一次阅读它们。
my_read_data <- function(path){ data <- data.table::fread(path, header = T, strip.white = T, fill = T) data <- data[data[[5]] != 0,] data <- subset(data, select = c(-1,-7,-10,-12,-13,-14,-15,-17)) } file.list <- dir(path = "//path/", pattern='\\.csv', full.names = T) df.list <- lapply(file.list, my_read_data) dt <- rbindlist(df.list)
如何修改我的密码?
其实我不确定我的代码是否正确。
欣赏。
感谢@Jaap
,我的新代码是:
my_read_data <- function(x){
data <- data.table::fread(x, header = T, strip.white = T, fill = T)
data <- data[data[[5]] != 0,]
data <- subset(data, select = c(-1,-7,-10,-12,-13,-14,-15,-17))
}
file.list <- list.files(path = "/path/", pattern = '*.csv')
dt.list <- sapply(file.list, my_read_data, simplify=FALSE)
但是,我得到一个错误。
Error in data.table::fread(x, header = T, strip.white = T, fill = T) :
File not found: C:\Users\PECHEN\AppData\Local\Temp\RtmpiihFR4\filea0c4d726488
In addition: Warning messages:
1: running command 'C:\Windows\system32\cmd.exe /c (TWM-201508 Sales Report(London).csv) > C:\Users\PECHEN\AppData\Local\Temp\RtmpiihFR4\filea0c4d726488' had status 1
2: In shell(paste("(", input, ") > ", tt, sep = "")) :
'(TWM-201508 Sales Report(London).csv) > C:\Users\PECHEN\AppData\Local\Temp\RtmpiihFR4\filea0c4d726488' execution failed with error code 1
此外,修改我的代码:
my_read_data <- function(x){
data <- data.table::fread(x, header = T, strip.white = T, fill = T)
data <- data[data[[5]] != 0,]
data <- subset(data, select = c(-1,-7,-10,-12,-13,-14,-15,-17))
}
file.list <- dir(path = "/path/", pattern='\\.csv', full.names = T)
df.list <- lapply(file.list, my_read_data)
dt <- rbindlist(df.list, idcol = 'id')[, `:=` (YEAR = substr(id,5,8), MONTH = substr(id,9,10))]
我用YEAR = substr(id,5,8), MONTH = substr(id,9,10)
因为每个数据的标题有编号前4个系统字符。恩。 AAA-201508销售报告
但是,它不起作用。
感谢@Peter TW
,它的工作原理。
扩大对我的评论,并假定所有文件具有相同的结构,下面应该工作:
library(data.table)
# get list of file-names
file.list <- list.files(pattern='*.csv')
# read the files with sapply & fread
# this will create a named list of data.tables
dt.list <- sapply(file.list, fread, simplify=FALSE)
# bind the list together to one data.table
# using the 'idcol'-parameter puts the names of the data.tables in the id-column
# create the YEAR & MONTH variables with 'substr'
DT <- rbindlist(dt.list, idcol = 'id')[, `:=` (YEAR = substr(id,1,4), MONTH = substr(id,5,6))]
这将产生一个data.table,其中包含所有数据并添加了YEAR
和MONTH
列。
如果你想从文件中排除某些列,可以使用drop
-parameter的fread
如下:
dt.list <- sapply(file.list, fread, drop = c(1,7,10,12:15,17), simplify=FALSE)
除非你使用'USE.NAMES',否则使用'simplify = FALSE'的'sapply'与使用'lapply'('sapply')调用完全相同'lapply') – MichaelChirico
'simplify = False'是什么意思? –
这个答案很好。如果我想创建一个像我上面的问题'my_read_data'的函数并使用你的方式,我该怎么办?我收到一个错误,我将编辑我的上述问题 –
这里是你如何能包括与dplyr
列:
nam <- c("201508 Sales Report(London)", "201509 Sales Report(London)", "201604 Sales Report(London)-Monthly")
dat <- data.frame(file=nam, var=nam)
dat %>%
separate(var, into=c(paste0("parts", 1:5))) %>%
mutate(Year=substring(parts1, 1,4), Month=substring(parts1, 5,6)) %>%
select(Year, Month, file)
# Year Month file
# 1 2015 08 201508 Sales Report(London)
# 2 2015 09 201509 Sales Report(London)
# 3 2016 04 201604 Sales Report(London)-Monthly
与获取列表中的文件'list.files'读取它们并将它们绑定通过使用'rbindlist'的'idcol'-参数([请参阅此处的示例](https://*.com/questions/32888757/reading-multiple-files-into-r-best-practice))。最后使用'DT [,YEAR:= substr(id,1,4)]'获取年份和DT [,MONTH:= substr(id,5,6)]'获取月份。 – Jaap
你能解释一下吗?我认为这很好,但我不明白 –
增加了更广泛的答案,应该更清楚。 HTH – Jaap