[R语言]读取文件夹下所有子文件夹中的excel文件，并根据分类合并。 ...

OStack程序员社区-中国程序员成长平台 › 门户 › 编程› R语言›R语言教程

原作者: [db:作者] 来自: [db:来源] 收藏邀请

解决的问题：需要读取某个大文件夹下所有子文件夹中的excel文件，并汇总，汇总文件中需要包含的2部分的信息：1.该条数据来源于哪个子文件夹；2.该条数据来源于哪个excel文件。最终，按照子文件夹单独保存汇总文件，或者只保存成一个汇总文件。

场景描述：抓取了各个APP的使用数据，分散地保存在各个文件夹中。文件格式如下：

第一级分类：文件夹名

第二级分类：文件夹下xlsx文件名

第三级分类：每个xlsx文件中每行（具体的每条数据），但其中并没有该APP属于的二级分类和一级分类，需要为每条数据添加二级分类和一级分类，并最终汇总到一个文件中。

解决方法一：

#作用：读取每个文件夹下的excel，并将其合并成一个文件。
#共有3级：第一级：文件夹名，第二级：文件夹中的xlsx文件名，第三级：xlsx文件中的每行
#代码后面注释中若有：【修改】字样，则表示如果要在你机器上运行该段代码时，需要进行相应的修改。

##########方法一：最终单独保存在每个文件夹下
rm(list=ls())
setwd("E:/cnblogs")                                    #设定工作目录【修改】

library(xlsx)

first_category_name = list.files("APP整理")            #list.files命令得到"APP整理”文件夹下所有文件夹的名称【修改】
dir = paste("./APP整理/",first_category_name,sep="")   #用paste命令构建路径变量dir,第一级目录的详细路径【修改】
n = length(dir)                                       #读取dir长度，也就是：总共有多少个一级目录                                                     

n_sub<-rep(0,n)
n_sub<-as.data.frame(n_sub)
n_sub<-t(n_sub)
head(n_sub)                                          #n_sub是每个一级目录(文件夹)下有多少个文件，也就是：有多少个二级目录，初始化为0，用于后面的操作

##########
for(i in 1:n){         #对于每个一级目录(文件夹)
  b=list.files(dir[i]) #b是列出每个一级目录(文件夹)中每个xlsx文件的名称
  n_sub[i]=length(b)   #得到一级目录(文件夹)下xlsx的文件个数:n_sub
  
  merge_1<-read.xlsx("E:/cnblogs/APP整理/xlsx文件样例.xlsx",sheetIndex=1,encoding='UTF-8')#
  dim(merge_1)
  names(merge_1)<-c('序号','APP','2016-01-11','2016-01-12','2016-01-13','2016-01-14','2016-01-15','2016-01-16','2016-01-17')#我的文件列名，根据你具体情况修改【修改】
  merge_1$second_category<-'second_category'
  merge_1$first_category<-'first_category'
  merge_1<-merge_1[1,-1]    #这一段的目的是读取一个xlsx文件样例，得到一个初始的dataframe(不含数据)，免除了后面重新建立datafram的麻烦，用于后面文件的rbind拼接
  
  for(j in 1:n_sub[i]){     #对于每个一级目录(文件夹)下的每个xlsx文件
    new_1<-read.xlsx(file=paste(dir[i],'/',b[j],sep=''),sheetIndex=1,encoding='UTF-8') #读取xlsx文件
    names(new_1)<-c('序号','APP','2016-01-11','2016-01-12','2016-01-13','2016-01-14','2016-01-15','2016-01-16','2016-01-17')【修改】
    new_1<-new_1[-1,-1]     #因为实际数据需要，删除第一行和第一列（根据实际读取xlsx文件的情况进行修改）
    new_1$second_category<-substr(b[j],1,4)        #二级目录的名称是xlsx的文件名。
    new_1$first_category<-first_category_name[i]   #一级目录的名称是“文件夹名”
    merge_1<-rbind(merge_1,new_1)
  }
  write.xlsx(merge_1,paste(dir[i],'/merge.xlsx',sep=''),row.names = F,col.names= F)#单独保存在每个文件夹下
}

解决方法二：

##########方法二：最终得到一个汇总的xlsx文件，在每个文件夹下并没有保存单独的合并文件

rm(list=ls())
setwd("E:cnblogs")      #设定工作目录【修改】

library(xlsx)

first_category_name = list.files("APP整理")            #list.files命令得到"APP整理"文件夹下所有文件夹的名称
dir = paste("./APP整理/",first_category_name,sep="")   #用paste命令构建路径变量dir,第一级目录的详细路径
n = length(dir)                                        #读取dir长度，也就是：总共有多少个一级目录                                                     

n_sub<-rep(0,n)
n_sub<-as.data.frame(n_sub)
n_sub<-t(n_sub)
head(n_sub)        #n_sub是每个一级目录(文件夹)下有多少个文件，也就是：有多少个二级目录，初始化为0，用于后面的操作

merge_1<-read.xlsx("E:/cnblogs/APP整理/xlsx文件样例.xlsx",sheetIndex=1,encoding='UTF-8')
dim(merge_1)
names(merge_1)<-c('序号','APP','2016-01-11','2016-01-12','2016-01-13','2016-01-14','2016-01-15','2016-01-16','2016-01-17')#我的文件的列名【修改】
merge_1$second_category<-'second_category'
merge_1$first_category<-'first_category'
merge_1<-merge_1[1,-1]    #这一段的目的是读取一个xlsx文件样例，得到一个初始的dataframe(不含数据)，免除了后面重新建立一个dataframe的麻烦，用于后面文件的rbind拼接

for(i in 1:n){         #对于每个一级目录(文件夹)
  b=list.files(dir[i]) #b是列出每个一级目录(文件夹)中每个xlsx文件的名称
  n_sub[i]=length(b)   #得到一级目录(文件夹)下xlsx的文件个数:n_sub
  
  for(j in 1:n_sub[i]){     #对于每个一级目录(文件夹)下的每个xlsx文件
    new_1<-read.xlsx(file=paste(dir[i],'/',b[j],sep=''),sheetIndex=1,encoding='UTF-8') #读取xlsx文件
    names(new_1)<-c('序号','APP','2016-01-11','2016-01-12','2016-01-13','2016-01-14','2016-01-15','2016-01-16','2016-01-17')#我的文件的文件名【修改】
    new_1<-new_1[-1,-1]     #因为实际数据需要，删除第一行和第一列（根据实际读取xlsx文件的情况进行修改）
    new_1$second_category<-substr(b[j],1,4)        #二级目录的名称是xlsx的文件名。
    new_1$first_category<-first_category_name[i]   #一级目录的名称是“文件夹名”
    merge_1<-rbind(merge_1,new_1)
  }
  # write.xlsx(merge_1,paste(dir[i],'/merge.xlsx',sep=''),row.names = F,col.names= F)
}
write.xlsx(merge_1,paste("./APP整理",'/merge.xlsx',sep='')
           ,row.names = F,col.names= F)#得到一个汇总文件，并没有在每个文件夹下保存单独的汇总文件