在 R 中对多个文件进行合并、排序、重复数据删除

Question

我有大量如下所示的 CSV 文件：

var val1 val2
a 2 1
b 2 2
c 3 3
d 9 2
e 1 1

我想：

1. 读入
2. 从每个 CSV 中获取前 3 名
3. 仅列出变量名称（3 x 文件数）
4. 只保留列表中的唯一名称

我想我已经通过这样做达到了第 3 点：

csvList <- list.files(path = "mypath", pattern = "*.csv", full.names = T)

bla <- lapply(lapply(csvList, read.csv), function(x) x[order(x$val1, decreasing=T)[1:3], ])

lapply(bla,"[", , 1, drop=FALSE)

现在，我列出了每个 CSV 中的前 3 个变量。但是，我不知道如何将此列表转换为字符串并仅保留唯一值。

欢迎任何帮助。

谢谢！

Answer 1

问题在于用drop=FALSE 提取bla 的第一列。这会将结果保留为列列表（其中每一行都有一个name），而不是将其强制为最低维度，即向量。使用 drop=TRUE 代替，然后 unlist 后跟 unique @Frank 建议：

unique(unlist(lapply(bla,"[", , 1, drop=TRUE)))

如您所知，drop=TRUE 是默认值，因此您甚至不必包含它。

---

更新 cmets 中的新要求。

要保留前两列 var 和 var1 并删除 var 中的重复项（仅保留唯一的 vars），请执行以下操作：

## unlist each column in turn and form a data frame
res <- data.frame(lapply(c(1,2), function(x) unlist(lapply(bla,"[", , x))))
colnames(res) <- c("var","var1")    ## restore the two column names
## remove duplicates
res <- res[!duplicated(res[,1]),]

请注意，这只会保留每个唯一 var 的第一行。这是这里删除重复的定义。

希望这会有所帮助。