从多个 CSV 文件中计算一列的平均值

Question

我在一个文件夹中有 300 多个 CSV 文件（名为 001.csv、002.csv 等）。每个都包含一个带有标题的数据帧。我正在编写一个函数，它将接受三个参数：文件的位置、要计算平均值的列的名称（在数据框内）以及要在计算中使用的文件。

这是我的功能：

pollutantmean2 <- function(directory = getwd(), pollutant, id = 1:332) {

    # add one or two zeros to ID so that they match the CSV file names
    filenames <- sprintf("%03d.csv", id)

    # path to specdata folder
    # if no path is provided, default is working directory
    filedir <- file.path(directory, filenames)

    # get the data from selected ID or IDs from the specified path
    dataset <- read.csv(filedir, header = TRUE)

    # calculate mean removing all NAs
    polmean <- mean(dataset$pollutant, na.rm = TRUE)

    # return mean
    polmean

}

我的代码似乎有两处错误。为了将其分解，我将函数分成两个单独的函数来处理这两个任务：1）获取所需的文件和 2）计算所需列的平均值（又名 pollutant）。

任务 1： 获取适当的文件 - 只要我只需要一个文件，它就可以工作。如果我选择一系列文件，例如1:25，我会收到一条错误消息，上面写着Error in file(file, "rt") : invalid 'description' argument。我已经用谷歌搜索了这个错误，但仍然不知道如何修复它。

# function that obtains csv files and stores them
getfile <- function(directory = getwd(), id) {
    filenames <- sprintf("%03d.csv", id)
    filedir <- file.path(directory, filenames)
    dataset <- read.csv(filedir, header = TRUE)
    dataset
}

如果我运行getfile("specdata", 1)，它可以正常工作，但如果我运行getfile("specdata", 1:10)，我会收到以下错误：Error in file(file, "rt") : invalid 'description' argument。

任务 2： 计算指定命名列的平均值 - 假设我有一个可用的数据框，然后我尝试使用以下函数计算平均值：

calcMean <- function(dataset, pollutant) {
    polmean <- mean(dataset$pollutant, na.rm = TRUE)
    polmean
}

但是，如果我运行 calcMean(mydata, "sulfate")（其中 mydata 是我手动加载的数据框），我会收到一条错误消息： Warning message: In mean.default(dataset$pollutant, na.rm = TRUE) : argument is not numeric or logical: returning NA

奇怪的是，如果我在控制台中运行mean(mydata$sulfate, na.rm = TRUE)，它可以正常工作。

我已经研究了几天，经过无休止的调整，我已经没有想法了。

Answer 1

您不需要更多功能。根据我的理解，解决方案可以更简单 6 行：

pollutantmean <- function(directory, pollutant, id = 1:10) {
filenames <- sprintf("%03d.csv", id)
filenames <- paste(directory, filenames, sep="/")
ldf <- lapply(filenames, read.csv)
df=ldply(ldf)
# df is your list of data.frames
mean(df[, pollutant], na.rm = TRUE)
}

Answer 2

我认为您的主要问题是列出工作目录中的文件并将它们读入 R。尝试 R 示例代码中的 list.files 函数可能对您有用是

  files <- list.files(pattern = ".csv") ## creates a vector with all file names in your folder
polmean <- rep(0,length(files))
for(i in 1:length(files)){
   data <- read.csv(files[i],header=T)
   polmean[i] <- mean(data$pollutant)
 }
result <- cbind(files,polmean)
write.csv(result,"result_polmeans.csv")

该程序在第一列中为您提供文件名的数据，在第二列中提供相应的方法。