在r中计算多个文件中的列答案

【问题标题】：Counting columns in multiple files in r在r中计算多个文件中的列
【发布时间】：2015-10-02 06:17:47
【问题描述】：

我有一个大型数据集（约 250,000 条记录），我使用 splitting 使数据更易于访问。我最终得到了 250 次拆分。

我想知道哪个拆分的列最多。我知道我应该使用list.files，但我不知道如何使它工作。

我创建了以下可重现的示例：

df1 <- data.frame(A = c("a"),B = (c("b")), C = (c("c")))
df2 <- data.frame(A = c("a"),B = (c("b")))
df3 <- data.frame(A = c("a"))

write.csv(df1, file = "df1.csv", row.names=FALSE)
write.csv(df2, file = "df2.csv", row.names=FALSE)
write.csv(df3, file = "df3.csv", row.names=FALSE)

filenames <- list.files(pattern="*.csv", full.names=TRUE)

看上面的例子，我想知道df1 与其他文件相比具有最多的属性。

for 循环和一个简单的ncol 函数可以使其工作吗？

【问题讨论】：

标签： r csv dataframe multiple-columns

【解决方案1】：

如果您只想知道列数，read.csv 与 readLines 相比非常慢：

sapply(filenames, function(x) {y=readLines(x, n=1);nchar(y)-nchar(gsub(',','',y))+1})
#./df1.csv ./df2.csv ./df3.csv 
#        3         2         1

【讨论】：

完美解决方案。谢谢你。有没有办法对输出进行排序？
也许通过使用 ... sort(sapply(...))?
有道理。谢谢。
由于某种原因，每个文件我都得到“1”，但我知道的每个文件都有 12 或 13 列。有什么想法吗？我正在使用以下代码从工作目录中读取文件： filenames

【解决方案2】：

如果你不想将每个文件都导入到 R 中，可以使用file.info() 函数来获取每个文件的大小

sapply(list.files(), file.info)

在另一种情况下，您可以使用read.csv(..., nrows = 10) 来查看结构，而不必加载整个表格

sapply(list.files(), function(...) ncol(read.csv(..., nrows = 10)))

【讨论】：

【解决方案3】：

借鉴@Andriy T. 的回复，这里的代码将在您的每个文件中生成列列表：

lapply(list.files(),function(x){ncol(read.csv(x))})

从那里，您可以选择最大值，获取索引，并找出它对应的文件。

【讨论】：