如何在R中将多季度自行车数据集合并为统一数据框？

问题根源 #

你用merge()函数的方向错了——merge()是用来做列匹配的关联操作（类似SQL的JOIN），而你需要的是把列名一致的多个数据框按行拼接（堆叠），所以才会得到不符合预期的列表结构。

正确解决方案 #

方法1：基础R实现（适合中小数据集） #

因为四个季度数据列名完全一致，直接用do.call()结合rbind()来拼接所有行：

# 先确认四个数据框列名一致（可选但推荐）
all.equal(names(Quarter1), names(Quarter2), names(Quarter3), names(Quarter4))

# 行拼接生成统一数据框
combined_data <- do.call(rbind, list(Quarter1, Quarter2, Quarter3, Quarter4))

# 按start_time排序
combined_data <- combined_data[order(as.POSIXct(combined_data$start_time)), ]

方法2：data.table实现（适合大数据集，效率更高） #

针对你提到的大数据集场景，data.table的rbindlist()是更高效的选择：

# 加载data.table包
library(data.table)

# 行拼接（自动处理列名一致的情况，速度远快于基础R）
combined_data <- rbindlist(list(Quarter1, Quarter2, Quarter3, Quarter4))

# 按start_time排序（data.table语法更简洁）
combined_data <- combined_data[order(as.POSIXct(start_time))]

额外提示 #

• 导入CSV时可以直接用read.csv()生成数据框，不需要额外转成data.frame()（因为read.csv默认返回data.frame）：

  Quarter1 <- read.csv("Divvy_Trips_2019_Q1.csv")
  Quarter2 <- read.csv("Divvy_Trips_2019_Q2.csv")
  # 以此类推
  

• 如果数据量极大，data.table的内存占用和处理速度都比基础R更有优势，适合后续清洗分析。

内容的提问来源于stack exchange，提问作者JA2024