R语言：如何通过循环实现多CSV文件的读取、分组统计与合并

你的手动处理流程逻辑是对的，但批量循环的代码存在几个逻辑和语法问题，我来帮你修正并优化：

先梳理你原有代码的问题： #

• 错误地将字符串类型的文件名data_names[i]直接赋值为数据框，属于类型不匹配的逻辑错误
• 循环内每次都重新创建列表并执行合并，应该先把所有处理好的数据集收集到列表中，最后再统一合并
• summarize里的统计列名应该用对应文件的名称（去掉.csv后缀），否则合并后列名重复无法区分不同文件的统计结果
• 存在语法错误：比如read.csv语句末尾多了逗号，列表创建的语法不正确

修正后的代码方案（推荐用purrr的map函数，更简洁高效） #

# 加载所需包
library(dplyr)
library(purrr)

# 设置工作目录
setwd("/Users/mdumar/Desktop/NCBI/NCBI/")

# 获取所有CSV文件（确保只处理csv文件，避免其他干扰）
data_names <- list.files(pattern = "\\.csv$")

# 批量处理每个CSV文件：读取->分组统计->重命名统计列
processed_data_list <- map(data_names, function(file) {
  # 读取当前文件
  df <- read.csv(file)
  # 获取去掉.csv后缀的文件名，作为统计列的名称
  file_name <- tools::file_path_sans_ext(file)
  # 分组统计并按统计值降序排序
  df %>%
    group_by(Protein.Name) %>%
    summarize(!!file_name := n(), .groups = "drop") %>%  # 用!!实现动态列名赋值
    arrange(desc(!!file_name))
})

# 合并所有处理后的数据集
Rhodo_merge_NCBI <- processed_data_list %>%
  reduce(left_join, by = "Protein.Name")

# 查看合并结果
View(Rhodo_merge_NCBI)

如果你更习惯用for循环的方式，修正后的代码如下： #

library(dplyr)
library(purrr)

setwd("/Users/mdumar/Desktop/NCBI/NCBI/")
data_names <- list.files(pattern = "\\.csv$")

# 初始化空列表，用来存储所有处理后的数据集
Rhodo_data_list_NCBI <- list()

for(i in seq_along(data_names)) {
  # 读取当前CSV文件
  current_df <- read.csv(data_names[i])
  # 获取去掉.csv后缀的文件名
  file_name <- tools::file_path_sans_ext(data_names[i])
  # 执行分组统计并排序
  processed_df <- current_df %>%
    group_by(Protein.Name) %>%
    summarize(!!file_name := n(), .groups = "drop") %>%
    arrange(desc(!!file_name))
  # 将处理好的数据集添加到列表中
  Rhodo_data_list_NCBI[[i]] <- processed_df
}

# 最后统一合并所有数据集
Rhodo_merge_NCBI <- Rhodo_data_list_NCBI %>%
  reduce(left_join, by = "Protein.Name")

View(Rhodo_merge_NCBI)

关键细节说明： #

• 使用tools::file_path_sans_ext(file)提取纯文件名，让合并后的列名清晰对应原始文件
• !!file_name是tidyeval语法，用来动态设置统计列的名称，避免硬编码
• .groups = "drop"用于分组统计后取消数据的分组状态，避免后续合并出现异常
• seq_along(data_names)比1:length(data_names)更安全，当目录下没有CSV文件时不会出错

内容的提问来源于stack exchange，提问作者Umar