如何将多个（excel）文件读入R？ [复制]

Question

我有数百个中等大小的 Excel 文件（5000 到 50.0000 行，大约 100 列）要加载到 R 中。它们具有明确定义的命名模式，例如 x_1.xlsx、x_2.xlsx 等。

如何以最快、最直接的方式将这些文件加载​​到 R 中？

Answer 1

使用list.files，您可以创建工作目录中所有文件名的列表。接下来，您可以使用lapply 循环遍历该列表并使用readxl 包中的read_excel 函数读取每个文件：

library(readxl)
file.list <- list.files(pattern='*.xlsx')
df.list <- lapply(file.list, read_excel)

此方法当然也可以与read.csv 或read.table 等其他文件读取功能一起使用。只需将read_excel 替换为适当的文件读取功能，并确保在list.files 中使用正确的模式。

如果您还想将文件包含在子目录中，请使用：

file.list <- list.files(pattern='*.xlsx', recursive = TRUE)

其他可能的读取 Excel 文件的软件包：openxlsx & xlsx

---

假设每个文件的列都相同，您可以将它们绑定到一个数据框中，使用来自dplyr 的bind_rows：

library(dplyr)
df <- bind_rows(df.list, .id = "id")

或与rbindlist 来自data.table：

library(data.table)
df <- rbindlist(df.list, idcol = "id")

两者都可以选择添加id 列来识别单独的数据集。

---

更新：如果您不想要数字标识符，只需使用sapply 和simplify = FALSE 来读取file.list 中的文件：

df.list <- sapply(file.list, read.csv, simplify=FALSE)

当使用来自dplyr 的bind_rows 或来自data.table 的rbindlist 时，id 列现在包含文件名。

甚至另一种方法是使用purrr-package：

library(purrr)
file.list <- list.files(pattern='*.csv')
file.list <- setNames(file.list, file.list) # only needed when you need an id-column with the file-names

df <- map_df(file.list, read.csv, .id = "id")

---

获取命名列表的其他方法：如果您不想要一个数字标识符，则可以在将它们绑定在一起之前将文件名分配给列表中的数据框。有几种方法可以做到这一点：

# with the 'attr' function from base R
attr(df.list, "names") <- file.list
# with the 'names' function from base R
names(df.list) <- file.list
# with the 'setattr' function from the 'data.table' package
setattr(df.list, "names", file.list)

现在您可以使用 data.table 中的 rbindlist 或 dplyr 中的 bind_rows 将数据帧列表绑定到一个数据帧中。 id 列现在将包含文件名而不是数字标识符。