R 从不同csv生成一列的列表/向量

我已经加载了20个csv文件，功能如下：

tbl = list.files(pattern="*.csv")
for (i in 1:length(tbl)) assign(tbl[i], read.csv(tbl[i]))

看起来是这样的：

> head(tbl)
[1] "F1.csv"          "F10_noS3.csv"    "F11.csv"         "F12.csv"         "F12_noS7_S8.csv"
[6] "F13.csv"

在所有这些csv文件中都有一个名为“加入”的列。我想从每个csv文件中列出这些列中的所有“名称”。一张大单子

两个问题：

• 有些“名字”是相同的，我不想重复它们
• 有些“名字”几乎是一样的。区别在于有名字和后面变成点和数字

让我给你看看它的样子：

AT3G26450.1 <--
AT5G44520.2
AT4G24770.1
AT2G37220.2
AT3G02520.1
AT5G05270.1
AT1G32060.1
AT3G52380.1
AT2G43910.2
AT2G19760.1
AT3G26450.2 <--

---

AT3G26450.1第一个技巧：您可以使用
lappy
将所有表格读入数据帧列表。这比使用20个单独的数据帧更容易

tbl = list.files(pattern="*.csv")
list_of_data = lapply(tbl, read.csv)

第二个技巧：您可以使用
do.call
和
rbind
将此列表重新组合到单个数据帧中

all_data = do.call(rbind, list_of_data)

您可以使用正则表达式选择点前面的
加入
字段的内容。
stringr
包在这里很有用
^
表示字符串的开头，
[：alnum:]
表示字母或数字（字母数字字符），
+
表示一个或多个

library(stringr)
all_data$CleanedAccession = str_extract(all_data$Accession, "^[[:alnum:]]+")

最后，您可以通过对非重复的

值进行子集设置来删除重复项

all_data = subset(all_data, !duplicated(CleanedAccession))

---

如果您只需要名称列表，并且它们的格式与您的示例相同，则使用@Richie的all_数据：

names <- unique(substr(all_data$Accession,0,9))

---

命名代码看起来不错，但问题是我不能使用rbind，因为每个csv文件中的列/行数不同。有什么解决办法吗？@Rechlay：如果每个表的内容都代表同一类内容，那么您应该将它们组合起来。（您可以添加虚拟字段以使列匹配。）另一方面，如果它们表示不同的内容，则最好将它们保留为数据帧列表。您可以使用
lappy
在列表上循环并更新每个数据帧。