フォルダ内のすべてのファイルを読み取り、各データフレームに関数を適用します

Question 1

特定のフォルダー内のすべてのファイルに対して、関数に入れた比較的単純な分析を行っています。さまざまなフォルダでプロセスを自動化するのに役立つヒントが誰かあるかどうか疑問に思いました。

まず、特定のフォルダー内のすべてのファイルをRに直接読み取る方法があるかどうか疑問に思いました。次のコマンドですべてのファイルが一覧表示されると思います。

files <- (Sys.glob("*.csv"))

... Rを使用して指定された拡張子を持つすべてのファイルを一覧表示することで見つけました

そして、次のコードはそれらすべてのファイルをRに読み込みます。

listOfFiles <- lapply(files, function(x) read.table(x, header = FALSE))

… Rで複数のファイルを操作することから

しかし、ファイルは個々のファイルではなく、1つの連続したリストとして読み込まれるようです。スクリプトを変更して、特定のフォルダー内のすべてのcsvファイルを個々のデータフレームとして開くにはどうすればよいですか。

次に、すべてのファイルを個別に読み取ることができると仮定して、これらすべてのデータフレームで関数を一度に完了するにはどうすればよいですか。たとえば、4つの小さなデータフレームを作成したので、必要なものを説明できます。
```
Df.1 <- data.frame(A = c(5,4,7,6,8,4),B = (c(1,5,2,4,9,1)))
Df.2 <- data.frame(A = c(1:6),B = (c(2,3,4,5,1,1)))
Df.3 <- data.frame(A = c(4,6,8,0,1,11),B = (c(7,6,5,9,1,15)))
Df.4 <- data.frame(A = c(4,2,6,8,1,0),B = (c(3,1,9,11,2,16)))
```

関数の例も作成しました。

Summary<-function(dfile){
SumA<-sum(dfile$A)
MinA<-min(dfile$A)
MeanA<-mean(dfile$A)
MedianA<-median(dfile$A)
MaxA<-max(dfile$A)

sumB<-sum(dfile$B)
MinB<-min(dfile$B)
MeanB<-mean(dfile$B)
MedianB<-median(dfile$B)
MaxB<-max(dfile$B)

Sum<-c(sumA,sumB)
Min<-c(MinA,MinB)
Mean<-c(MeanA,MeanB)
Median<-c(MedianA,MedianB)
Max<-c(MaxA,MaxB)
rm(sumA,sumB,MinA,MinB,MeanA,MeanB,MedianA,MedianB,MaxA,MaxB)

Label<-c("A","B")
dfile_summary<-data.frame(Label,Sum,Min,Mean,Median,Max)
return(dfile_summary)}

通常、次のコマンドを使用して、個々のデータフレームに関数を適用します。

Df1.summary <-Summary（dfile）

関数をすべてのデータフレームに適用する代わりに、サマリーテーブル（つまりDf1.summary）でデータフレームのタイトルを使用する方法はありますか？

どうもありがとう、

ケイティ

Question 2

それどころか、一緒に作業listすることで、そのようなことを簡単に自動化できると思います。

これが1つの解決策です（4つのデータフレームをフォルダーに保存しましたtemp/）。

filenames <- list.files("temp", pattern="*.csv", full.names=TRUE)
ldf <- lapply(filenames, read.csv)
res <- lapply(ldf, summary)
names(res) <- substr(filenames, 6, 30)

（私が行ったようにfull.names）ファイルのフルパスを保存することが重要です。そうしないと、作業ディレクトリを貼り付ける必要があります。

filenames <- list.files("temp", pattern="*.csv")
paste("temp", filenames, sep="/")

も動作します。substrフルパスを破棄しながらファイル名を抽出していたことに注意してください。

サマリーテーブルには、次のようにアクセスできます。

> res$`df4.csv`
       A              B        
 Min.   :0.00   Min.   : 1.00  
 1st Qu.:1.25   1st Qu.: 2.25  
 Median :3.00   Median : 6.00  
 Mean   :3.50   Mean   : 7.00  
 3rd Qu.:5.50   3rd Qu.:10.50  
 Max.   :8.00   Max.   :16.00

本当に個別のサマリーテーブルを取得したい場合は、後でそれらを抽出できます。例えば、

for (i in 1:length(res))
  assign(paste(paste("df", i, sep=""), "summary", sep="."), res[[i]])

Question 3

通常、Rではforループを使用しませんが、forループと2つのパッケージ（plyrとdostats）を使用したソリューションを次に示します。

plyrはクラン上にあり、https：//github.com/halpo/dostatsからdostatsをダウンロードできます（Hadley devtoolsパッケージのinstall_githubを使用している可能性があります）

csvファイルに最初の2つのdata.frame（Df.1とDf.2）があるとすると、次のようなことができます。

require(plyr)
require(dostats)

files <- list.files(pattern = ".csv")


for (i in seq_along(files)) {

    assign(paste("Df", i, sep = "."), read.csv(files[i]))

    assign(paste(paste("Df", i, sep = ""), "summary", sep = "."), 
           ldply(get(paste("Df", i, sep = ".")), dostats, sum, min, mean, median, max))

}

これが出力です

R> Df1.summary
  .id sum min   mean median max
1   A  34   4 5.6667    5.5   8
2   B  22   1 3.6667    3.0   9
R> Df2.summary
  .id sum min   mean median max
1   A  21   1 3.5000    3.5   6
2   B  16   1 2.6667    2.5   5

Question 4

これtidyverseは、最もエレガントではないかもしれないが、要約に含まれるものに関してある程度の柔軟性を提供するオプションです。

library(tidyverse)
dir_path <- '~/path/to/data/directory/'
file_pattern <- 'Df\\.[0-9]\\.csv' # regex pattern to match the file name format

read_dir <- function(dir_path, file_name){
  read_csv(paste0(dir_path, file_name)) %>% 
    mutate(file_name = file_name) %>%                # add the file name as a column              
    gather(variable, value, A:B) %>%                 # convert the data from wide to long
    group_by(file_name, variable) %>% 
    summarize(sum = sum(value, na.rm = TRUE),
              min = min(value, na.rm = TRUE),
              mean = mean(value, na.rm = TRUE),
              median = median(value, na.rm = TRUE),
              max = max(value, na.rm = TRUE))
  }

df_summary <- 
  list.files(dir_path, pattern = file_pattern) %>% 
  map_df(~ read_dir(dir_path, .))

df_summary
# A tibble: 8 x 7
# Groups:   file_name [?]
  file_name variable   sum   min  mean median   max
  <chr>     <chr>    <int> <dbl> <dbl>  <dbl> <dbl>
1 Df.1.csv  A           34     4  5.67    5.5     8
2 Df.1.csv  B           22     1  3.67    3       9
3 Df.2.csv  A           21     1  3.5     3.5     6
4 Df.2.csv  B           16     1  2.67    2.5     5
5 Df.3.csv  A           30     0  5       5      11
6 Df.3.csv  B           43     1  7.17    6.5    15
7 Df.4.csv  A           21     0  3.5     3       8
8 Df.4.csv  B           42     1  7       6      16