Чтение нескольких файлов CSV из каталога — обычная задача при анализе данных и манипулировании ими с помощью R. В этой статье блога мы рассмотрим несколько методов эффективного выполнения этой задачи. Мы предоставим примеры кода для каждого метода, что позволит вам выбрать тот, который лучше всего соответствует вашим требованиям.

Метод 1: использование базовых функций R

# Set the directory path
directory <- "path/to/directory"
# Get the list of CSV files
csv_files <- list.files(directory, pattern = "*.csv", full.names = TRUE)
# Read CSV files into a list
data <- lapply(csv_files, read.csv)

Метод 2: использование пакета purrr

library(purrr)
# Set the directory path
directory <- "path/to/directory"
# Read CSV files into a list
data <- map_df(list.files(directory, pattern = "*.csv", full.names = TRUE), read.csv)

Метод 3: использование пакета data.table

library(data.table)
# Set the directory path
directory <- "path/to/directory"
# Read CSV files into a data.table
data <- rbindlist(lapply(list.files(directory, pattern = "*.csv", full.names = TRUE), fread))

Метод 4. Использование пакета tidyverse

library(tidyverse)
# Set the directory path
directory <- "path/to/directory"
# Read CSV files into a tibble
data <- map_dfr(list.files(directory, pattern = "*.csv", full.names = TRUE), read_csv)

В этой статье мы рассмотрели несколько методов эффективного чтения нескольких файлов CSV из каталога в R. Базовые функции R вместе с такими пакетами, как purrr, data.tableи tidyverseпредоставляют различные варианты в зависимости от ваших потребностей и предпочтений. Используя эти методы, вы можете оптимизировать рабочий процесс анализа данных и сэкономить время при работе с большими наборами данных, хранящимися в нескольких файлах CSV.