用多张表将多个xlsx文件读取到一个R数据框中
我一直在阅读如何阅读和组合多个xlsx。 文件到一个R数据框，并遇到了一些非常好的build议，如： 如何在R中使用具有特定行和列的循环读取多个xlsx文件 ，但是不适合我的数据集。
我想R阅读多个xlsx文件，有多个工作表。 所有表单和文件具有相同的列，但长度不相同，应排除NA。 我想跳过前3行，只在1：6,8：10,12：17,19列。
到目前为止我尝试过：
file.list <- list.files(recursive=T,pattern='*.xlsx') dat = lapply(file.list, function(i){ x = read.xlsx(i, sheetIndex=1, sheetName=NULL, startRow=4, endRow=NULL, as.data.frame=TRUE, header=F) # Column select x = x[, c(1:6,8:10,12:17,19)] # Create column with file name x$file = i # Return data x }) dat = do.call("rbind.data.frame", dat) 但是这只占用每个文件的所有第一张
有谁知道如何将所有的表格和文件放在一个R数据框中？
另外，你会推荐什么软件包来处理大量的数据？ 到目前为止，我尝试了readxl和XLConnect。
太感谢了！
我会使用这样的嵌套循环遍历每个文件的每个表。 这可能不是最快的解决scheme，但它是最简单的。
require(xlsx) file.list <- list.files(recursive=T,pattern='*.xlsx') #get files list from folder for (i in 1:length(files.list)){ wb <- loadWorkbook(files.list[i]) #select a file & load workbook sheet <- getSheets(wb) #get sheet list for (j in 1:length(sheet)){ tmp<-read.xlsx(files.list[i], sheetIndex=j, colIndex= c(1:6,8:10,12:17,19), sheetName=NULL, startRow=4, endRow=NULL, as.data.frame=TRUE, header=F) if (i==1&j==1) dataset<-tmp else dataset<-rbind(dataset,tmp) #happend to previous } }
您可以在加载阶段后清除NA值。
openxlsx解决scheme：
filename <-"myFilePath" sheets <- openxlsx::getSheetNames(filename) SheetList <- lapply(sheets,openxlsx::read.xlsx,xlsxFile=filename) names(SheetList) <- sheets