Что случилось с моей функцией для загрузки нескольких CSV-файлов в единый dataframe в R с помощью rbind?

В вашей функции много ненужного кода. Вы можете упростить его:

 load_data <- function(path) { files <- dir(path, pattern = '\\.csv', full.names = TRUE) tables <- lapply(files, read.csv) do.call(rbind, tables) } pollutantmean <- load_data("specdata") 

Имейте в do.call что do.call + rbind относительно медленный. Вы можете найти dplyr::bind_rows или data.table::rbindlist чтобы быть значительно быстрее.

Чтобы обновить ответ профессора Уикхема выше с кодом из более поздней библиотеки purrr которую он соавтор с Лионелем Генри:

 Tbl <- list.files(pattern="*.csv") %>% map_df(~read_csv(.)) 

Если приведение типов навязчиво, вы можете заставить все столбцы быть такими же символами.

 Tbl <- list.files(pattern="*.csv") %>% map_df(~read_csv(., col_types = cols(.default = "c"))) 

Если вы хотите окунуться в подкаталоги, чтобы создать список файлов для окончательного связывания, тогда обязательно укажите имя пути, а также зарегистрируйте файлы с их полными именами в своем списке. Это позволит работать с привязкой за пределами текущего каталога. (Думая о полных дорожных именах как работающих как паспорта, чтобы позволить перемещаться по границам «границ» каталога.)

 Tbl <- list.files(path = "./subdirectory/", pattern="*.csv", full.names = T) %>% map_df(~read_csv(., col_types = cols(.default = "c"))) 

Как описывает здесь профессор Уикхем (примерно на полпути):

map_df(x, f) фактически совпадает с do.call("rbind", lapply(x, f)) но под капотом намного эффективнее.

и спасибо Джейку Кауппу за то, что вы представили мне map_df () здесь .

 ```{r echo = FALSE, warning = FALSE, message = FALSE} setwd("~/Data/R/BacklogReporting/data/PastDue/global/") ## where file are located path = "~/Data/R/BacklogReporting/data/PastDue/global/" out.file <- "" file.names <- dir(path, pattern = ".csv") for(i in 1:length(file.names)){ file <- read.csv(file.names[i], header = TRUE, stringsAsFactors = FALSE) out.file <- rbind(out.file, file) } write.csv(out.file, file = "~/Data/R/BacklogReporting/data/PastDue/global/global_stacked/past_due_global_stacked.csv", row.names = FALSE) ## directory to write stacked file to past_due_global_stacked <- read.csv("C:/Users/E550143/Documents/Data/R/BacklogReporting/data/PastDue/global/global_stacked/past_due_global_stacked.csv", stringsAsFactors = FALSE) files <- list.files(pattern = "\\.csv$") %>% t() %>% paste(collapse = ", ") ``` 

Это можно сделать очень кратко с dplyr и purrr с tidyverse. Где x – список имен ваших файлов csv, вы можете просто использовать:

 bind_rows(map(x, read.csv)) 

Отображение read.csv в x создает список dfs, который bind_rows затем аккуратно объединяет!

В вашей текущей функции pollutantmean доступен только в рамках функции x . Измените свою функцию на эту

 x <- function(directory) { dir <- directory data_dir <- paste(getwd(),dir,sep = "/") files <- list.files(data_dir,pattern = '\\.csv') tables <- lapply(paste(data_dir,files,sep = "/"), read.csv, header = TRUE) assign('pollutantmean',do.call(rbind , tables)) } 

assign должен поместить результат do.call(rbind, tables) в переменную, называемую pollutantmean в глобальной среде.