批量读取文件一文搞定

感谢老俊俊的大力支持。我们会每日跟新，欢迎您关注老俊俊的生信笔记。

点击上方关注我们

提高效率，解放双手

对于新手小白来说，使用 R 来 读取文件 是 第一个要过的门槛 ，当初我也是在这门槛绊倒过数次，不过多多练习，总结经验肯定会越来越熟练的。

当你有一两个或者两三个文件需要读取时，想必会一个个读进来就完事了，最多复制几行代码，改一下文件名咯。但是如果有成百上千个呢？那不是 废手废眼睛？

昨天群里有小伙伴问怎么批量读取文件，然后把文件一个个命名保存到环境变量里。写了一个批量读取的代码发在了群里，今天总结一下批量读取的多种方式。

我在桌面建了 dada 文件夹，里面有 5 个测试 txt 文件：

1、批量读取保存到环境变量

这里先实现批量读取再赋值保存到环境变量的操作。

我觉得如果每个文件内容不一样，这样是可以的，但是文件如果太多，都保存到环境变量容易发生 变量名重名 之类的错误：

# 加载R包
library(dplyr)

# 设置工作路径
setwd('C:UsersadminDesktopdata')

# 查看文件
dalst <- list.files(pattern = '*.txt')
dalst

[1] "e.txt" "f.txt" "g.txt" "h.txt" "i.txt"

使用基础 for 循环读取：

# for 循环
for(i in 1:length(dalst)){
  # 名称向量
  name = c("a", "b", "c", "d","e")
  # 读取并赋值
  assign(name[i],read.table(dalst[i],header = T))
}

可以看到读取进来并且命好名保存到环境变量里了。

使用 lapply 版：

# lapply 版
dalst <- list.files(pattern = '*.txt') %>% lapply(.,read.table,header =T)

for (i in 1:length(dalst)) {
  # 名称向量
  name <- c("a", "b", "c", "d","e")
  # 赋值
  assign(name[i],dalst[[i]])
}

2、批量读取保存到 list

为避免储存太多环境变量或者发生错误，建议保存到 list 里，需要用的时候直接取出来即可。

dalst <- list.files(pattern = '*.txt') %>% lapply(.,read.table,header =T)
dalst

[[1]]
     a   ay   b  by
1 -1.5 -1.3 1.4 1.8
2 -1.6 -1.6 1.6 1.5

[[2]]
     a   ay   b  by
1 -1.5 -1.3 1.4 1.8
2 -1.6 -1.6 1.6 1.5
...

用 lapply 读取返回的直接是一个 list 的类型，但是每个 list 的名字是 1、2、3、4 的格式，我们只需要把名字改成对应的即可：

# 命名list
names(dalst) <- c("a", "b", "c", "d","e")
dalst

$a
     a   ay   b  by
1 -1.5 -1.3 1.4 1.8
2 -1.6 -1.6 1.6 1.5

$b
     a   ay   b  by
1 -1.5 -1.3 1.4 1.8
2 -1.6 -1.6 1.6 1.5
...

mapply 版：

# mapply 版

# 文件名
dalst <- list.files(pattern = '*.txt')

# 名称向量
name <- c("a", "b", "c", "d","e")

res <- mapply(function(n,d){n <- read.table(d,header = T)},name,dalst,SIMPLIFY = F)
res

$a
     a   ay   b  by
1 -1.5 -1.3 1.4 1.8
2 -1.6 -1.6 1.6 1.5

$b
     a   ay   b  by
1 -1.5 -1.3 1.4 1.8
2 -1.6 -1.6 1.6 1.5
...

3、批量读取合并保存到数据框

如果每个数据的 列名一样 ，只是 记录的内容不一样 ，我们更希望批量读取进来并且 合并到一个表格里面 ，这也是批量读取最常用的方式，并且结果可读性更好：

do.call 合并数据：

# do.call
list.files(pattern = '*.txt') %>% lapply(.,read.table,header =T) %>%
  do.call(rbind,.)

      a   ay   b  by
1  -1.5 -1.3 1.4 1.8
2  -1.6 -1.6 1.6 1.5
3  -1.5 -1.3 1.4 1.8
...

Reduce 合并数据：

# Reduce
list.files(pattern = '*.txt') %>% lapply(.,read.table,header =T) %>%
  Reduce(rbind,.)

      a   ay   b  by
1  -1.5 -1.3 1.4 1.8
2  -1.6 -1.6 1.6 1.5
3  -1.5 -1.3 1.4 1.8
...

purrr 包 map_dfr 函数直接内部合并，不需要再合并，简化操作：

# map 函数
library(purrr)
list.files(pattern = '*.txt') %>% map_dfr(.,read.table,header =T)

      a   ay   b  by
1  -1.5 -1.3 1.4 1.8
2  -1.6 -1.6 1.6 1.5
3  -1.5 -1.3 1.4 1.8
...

plyr 包和 map_dfr 有异曲同工之妙，也是非常的方便：

# plyr 包
library(plyr)
list.files(pattern = '*.txt') %>% ldply(.,read.table,header =T)

      a   ay   b  by
1  -1.5 -1.3 1.4 1.8
2  -1.6 -1.6 1.6 1.5
3  -1.5 -1.3 1.4 1.8
...