R 合并具有相同变量和观测值的多个数据帧

我每年都有几个

CSV

文件。每个文件都包含相同的变量和观察值

df14 <- data.frame(name = c("one", "two", "three"), A = c(1,2,3), B = c(4, 2, 1), C = c(0, 1, 1))
df15 <- data.frame(name = c("one", "two", "three"), A = c(3,1,1), C = c(0, 0, 1), B = c(8, 5, 5))

其中：

尝试：

库（data.table）
图书馆（magrittr）
年数_2 _digt%
[年：=y]>%
setkeyv（“名称”）
}))
DT.molt尝试：

库（data.table）
图书馆（magrittr）
年数_2 _digt%
[年：=y]>%
setkeyv（“名称”）
}))
DT.molt尝试：

库（data.table）
图书馆（magrittr）
年数_2 _digt%
[年：=y]>%
setkeyv（“名称”）
}))
DT.molt尝试：

库（data.table）
图书馆（magrittr）
年数_2 _digt%
[年：=y]>%
setkeyv（“名称”）
}))
DT.molt您可以通过编程方式将年份列添加到每个数据帧中，然后将其rbind。下面是一个示例，它依赖于能够从文件名中获取与每个数据帧对应的年份。在这里，我将示例数据帧存储在一个列表中。在您的实际用例中，您可以使用类似于
df.list=sapply（文件名的向量，read.csv）
的方法将csv文件读入列表

您可以通过编程方式将“年份”列添加到每个数据框中，然后将它们重新绑定。下面是一个示例，它依赖于能够从文件名中获取与每个数据帧对应的年份。在这里，我将示例数据帧存储在一个列表中。在您的实际用例中，您可以使用类似于
df.list=sapply（文件名的向量，read.csv）
的方法将csv文件读入列表

您可以通过编程方式将“年份”列添加到每个数据框中，然后将它们重新绑定。下面是一个示例，它依赖于能够从文件名中获取与每个数据帧对应的年份。在这里，我将示例数据帧存储在一个列表中。在您的实际用例中，您可以使用类似于
df.list=sapply（文件名的向量，read.csv）
的方法将csv文件读入列表

您可以通过编程方式将“年份”列添加到每个数据框中，然后将它们重新绑定。下面是一个示例，它依赖于能够从文件名中获取与每个数据帧对应的年份。在这里，我将示例数据帧存储在一个列表中。在您的实际用例中，您可以使用类似于
df.list=sapply（文件名的向量，read.csv）
的方法将csv文件读入列表

以下是一个
lappy
中的工作示例：

制作一些虚拟的
CSV
文件：

df14 <- data.frame(name = c("one", "two", "three"), A = c(1,2,3), B = c(4, 2, 1), C = c(0, 1, 1))
df15 <- data.frame(name = c("one", "two", "three"), A = c(3,1,1), C = c(0, 0, 1), B = c(8, 5, 5))
df16 <- data.frame(name = c("one", "two", "three"), C = c(1,2,3), B = c(4, 2, 1), A = c(0, 1, 1))
df17 <- data.frame(name = c("one", "two", "three"), C = c(3,1,1), A = c(0, 0, 1), B = c(8, 5, 5))
#get dataframe names
myNames <- ls()[grepl("df",ls())]
lapply(myNames, function(i){write.csv(get(i),paste0(i,".csv"),row.names = FALSE)})

以下是一个
lappy
中的工作示例：

制作一些虚拟的
CSV
文件：

df14 <- data.frame(name = c("one", "two", "three"), A = c(1,2,3), B = c(4, 2, 1), C = c(0, 1, 1))
df15 <- data.frame(name = c("one", "two", "three"), A = c(3,1,1), C = c(0, 0, 1), B = c(8, 5, 5))
df16 <- data.frame(name = c("one", "two", "three"), C = c(1,2,3), B = c(4, 2, 1), A = c(0, 1, 1))
df17 <- data.frame(name = c("one", "two", "three"), C = c(3,1,1), A = c(0, 0, 1), B = c(8, 5, 5))
#get dataframe names
myNames <- ls()[grepl("df",ls())]
lapply(myNames, function(i){write.csv(get(i),paste0(i,".csv"),row.names = FALSE)})

以下是一个
lappy
中的工作示例：

制作一些虚拟的
CSV
文件：

df14 <- data.frame(name = c("one", "two", "three"), A = c(1,2,3), B = c(4, 2, 1), C = c(0, 1, 1))
df15 <- data.frame(name = c("one", "two", "three"), A = c(3,1,1), C = c(0, 0, 1), B = c(8, 5, 5))
df16 <- data.frame(name = c("one", "two", "three"), C = c(1,2,3), B = c(4, 2, 1), A = c(0, 1, 1))
df17 <- data.frame(name = c("one", "two", "three"), C = c(3,1,1), A = c(0, 0, 1), B = c(8, 5, 5))
#get dataframe names
myNames <- ls()[grepl("df",ls())]
lapply(myNames, function(i){write.csv(get(i),paste0(i,".csv"),row.names = FALSE)})

以下是一个
lappy
中的工作示例：

制作一些虚拟的
CSV
文件：

df14 <- data.frame(name = c("one", "two", "three"), A = c(1,2,3), B = c(4, 2, 1), C = c(0, 1, 1))
df15 <- data.frame(name = c("one", "two", "three"), A = c(3,1,1), C = c(0, 0, 1), B = c(8, 5, 5))
df16 <- data.frame(name = c("one", "two", "three"), C = c(1,2,3), B = c(4, 2, 1), A = c(0, 1, 1))
df17 <- data.frame(name = c("one", "two", "three"), C = c(3,1,1), A = c(0, 0, 1), B = c(8, 5, 5))
#get dataframe names
myNames <- ls()[grepl("df",ls())]
lapply(myNames, function(i){write.csv(get(i),paste0(i,".csv"),row.names = FALSE)})

观察结果如何？它们具有相同的属性（即：一、二、三），我可以用df1$year实现这一点。您应该将它们放在列表中，而不是作为单独的数据帧。然后您可以使用
do.call
和
rbind
或
dplyr:：bind_行
来组合它们。@Gregor这篇文章不错。我稍后再检查。观察结果如何？它们具有相同的属性（即：一、二、三），我可以用df1$year实现这一点。您应该将它们放在列表中，而不是作为单独的数据帧。然后您可以使用
do.call
和
rbind
或
dplyr:：bind_行
来组合它们。@Gregor这篇文章不错。我稍后再检查。观察结果如何？它们具有相同的属性（即：一、二、三），我可以用df1$year实现这一点。您应该将它们放在列表中，而不是作为单独的数据帧。然后您可以使用
do.call
和
rbind
或
dplyr:：bind_行
来组合它们。@Gregor这篇文章不错。我稍后再检查。观察结果如何？它们具有相同的属性（即：一、二、三），我可以用df1$year实现这一点。您应该将它们放在列表中，而不是作为单独的数据帧。然后您可以使用
do.call
和
rbind
或
dplyr:：bind_行
来组合它们。@Gregor这篇文章不错。稍后我会重新检查。setcolorder部分对我来说是新的；谢谢至于其他人，我看不出结果有什么不同。问题是所有帧都有完全相同的变量（示例中为3）。此外，观察值正好是3（在本例中）。观察值（行）由“名称”列表示。它们是地区名称。@user10853
setcolorder
函数来自
data.table
包。你的问题并不清楚你想要的最终结果是什么。如果你能展示出你想要的结果，那就更容易了。我现在重述一下：看看每个变量（A，B，C）是如何随着年份的变化而变化的。你确实得到了结果。你能解释一下这个函数的作用吗？也许没有办法做我一直在想的事情；我想最好的选择是关系数据库。不管怎样，我都会把你的答案记为解决办法。任何新的建议都很受欢迎。具体来说，这部分很奇怪：
setDT%%>”[“（j=
：=
（year，y））%%>%setkeyv（“name”）
setcolorder部分对我来说是新的；谢谢。至于其他部分，我看不出结果有什么不同。问题是所有帧都有完全相同的变量（示例中的3个）。此外，观察值正好是3（在本例中）。观察值（行）由“名称”表示col.它们是地区名称。@user10853
setcolorder
函数来自
data.table
软件包。从您的问题中不清楚您想要的最终结果是什么。如果您能显示所需的输出，将更容易帮助我现在重述它：查看每个变量（A、B、C）的情况每一个“名字”每年都在变化。你确实得到了结果。你能解释一下这个函数的作用吗？也许没有办法做到我所做的
df14 <- data.frame(name = c("one", "two", "three"), A = c(1,2,3), B = c(4, 2, 1), C = c(0, 1, 1))
df15 <- data.frame(name = c("one", "two", "three"), A = c(3,1,1), C = c(0, 0, 1), B = c(8, 5, 5))
df16 <- data.frame(name = c("one", "two", "three"), C = c(1,2,3), B = c(4, 2, 1), A = c(0, 1, 1))
df17 <- data.frame(name = c("one", "two", "three"), C = c(3,1,1), A = c(0, 0, 1), B = c(8, 5, 5))
#get dataframe names
myNames <- ls()[grepl("df",ls())]
lapply(myNames, function(i){write.csv(get(i),paste0(i,".csv"),row.names = FALSE)})

#Solution - read CSV, fix columns, rbind
do.call(rbind,
        lapply(list.files(".","^df\\d*.csv"),
               function(i){
                 d <- read.csv(i)
                 res <- d[,sort(colnames(d))]
                 cbind(res,FileName=i)
               }))
# output
#    A B C  name FileName
# 1  1 4 0   one df14.csv
# 2  2 2 1   two df14.csv
# 3  3 1 1 three df14.csv
# 4  3 8 0   one df15.csv
# 5  1 5 0   two df15.csv
# 6  1 5 1 three df15.csv
# 7  0 4 1   one df16.csv
# 8  1 2 2   two df16.csv
# 9  1 1 3 three df16.csv
# 10 0 8 3   one df17.csv
# 11 0 5 1   two df17.csv
# 12 1 5 1 three df17.csv