R脚本优化问询：实现多样本CSV自动拆分与指定样本分析

核心思路：跳过中间文件，直接从原始数据提取目标样本分析 #

原始CSV的结构是两行表头（第一行样本名、第二行列属性），每个样本对应2列（Time+Absorbance）。我们可以直接读取原始文件，解析样本信息后按需提取数据，完全省去手动拆分和中间文件的步骤。

步骤1：读取并解析原始数据 #

# 读取原始CSV，不自动识别表头
raw_data <- read.csv("你的原始数据文件路径.csv", header = FALSE, stringsAsFactors = FALSE)

# 提取两行表头：第一行是样本名，第二行是列属性（Time/Absorbance）
sample_names <- raw_data[1, ]
col_attrs <- raw_data[2, ]

# 提取实际数据行（从第3行开始）
data_rows <- raw_data[-c(1,2), ]
# 给数据行设置组合列名（样本名+属性，比如"Sample1_Time"）
colnames(data_rows) <- paste(sample_names, col_attrs, sep = "_")

步骤2：按需选择样本并分析 #

# 提取唯一的样本名（每个样本对应2列，去重后得到完整样本列表）
unique_samples <- unique(sample_names)

# 让用户选择要分析的样本（支持多选）
selected_samples <- select.list(unique_samples, multiple = TRUE, title = "选择要分析的样本")

# 遍历选中的样本，提取数据并执行分析
for (sample in selected_samples) {
  # 匹配当前样本的所有列
  sample_cols <- grepl(paste0("^", sample, "_"), colnames(data_rows))
  sample_data <- data_rows[, sample_cols]
  # 重命名列为通用的Time和Absorbance
  colnames(sample_data) <- c("Time", "Absorbance")
  # 转换数据类型为数值型（原始读取为字符型）
  sample_data$Time <- as.numeric(sample_data$Time)
  sample_data$Absorbance <- as.numeric(sample_data$Absorbance)
  
  # 这里插入你的分析代码，比如绘图、统计计算等
  cat("正在分析样本：", sample, "\n")
  # 示例：绘制吸收度随时间变化曲线
  plot(sample_data$Time, sample_data$Absorbance, main = paste("样本", sample), xlab = "时间", ylab = "吸收度", type = "l")
}

可选：自动拆分所有样本到单独文件（如需保留中间文件） #

如果确实需要生成单个样本的CSV文件，可通过以下代码批量处理，替代手动操作：

# 遍历所有唯一样本
for (sample in unique_samples) {
  # 提取对应列并处理数据格式
  sample_cols <- grepl(paste0("^", sample, "_"), colnames(data_rows))
  sample_data <- data_rows[, sample_cols]
  colnames(sample_data) <- c("Time", "Absorbance")
  sample_data$Time <- as.numeric(sample_data$Time)
  sample_data$Absorbance <- as.numeric(sample_data$Absorbance)
  
  # 保存为以样本名命名的CSV文件
  write.csv(sample_data, paste0(sample, ".csv"), row.names = FALSE)
  cat("已保存样本文件：", paste0(sample, ".csv"), "\n")
}

注意事项 #

• 确保原始CSV的样本名无重复，且每个样本严格对应2列数据
• 若读取时出现编码问题，可添加fileEncoding参数（如fileEncoding="UTF-8"）
• 优先使用按需分析的方式，完全避免中间文件冗余

内容的提问来源于stack exchange，提问作者user22953605