如何精简R语言代码：CSV读取、数据合并与随访率计算

核心需求回顾 #

• 从as1至as9共9个文件夹读取所有.csv文件
• 每个文件夹内文件转为列表，并重命名列表元素（移除.csv后缀）
• 合并单个文件夹内所有数据为DataFrame，其中as1-as3含AS{n}_AREA列，as4-as9含AS{n}_DATA_CLASS列
• 合并9个文件夹的DataFrame为总表
• 统计随访RID、失访RID及随访率

精简优化后的代码 #

library(tidyverse)

# 定义目标文件夹列表
folders <- str_c("as", 1:9)

# 封装单文件夹处理逻辑：读取→重命名→合并
process_single_folder <- function(folder_name) {
  # 获取文件夹内所有CSV文件的完整路径
  csv_files <- list.files(folder_name, pattern = "\\.csv$", full.names = TRUE)
  # 批量读取CSV为列表
  csv_list <- map(csv_files, read_csv)
  # 重命名列表元素：仅保留文件名（移除路径和.csv后缀）
  names(csv_list) <- csv_files %>% basename() %>% str_remove("\\.csv$")
  # 合并列表为DataFrame，添加源文件和文件夹标识
  bind_rows(csv_list, .id = "source_filename") %>% 
    mutate(source_folder = folder_name)
}

# 批量处理所有文件夹并合并为总表
total_data <- map_dfr(folders, process_single_folder)

# 动态匹配不同文件夹的专属分组列
total_data <- total_data %>%
  mutate(
    group_column = case_when(
      str_detect(source_folder, "^as[1-3]$") ~ pull(., str_c(source_folder, "_AREA")),
      str_detect(source_folder, "^as[4-9]$") ~ pull(., str_c(source_folder, "_DATA_CLASS")),
      TRUE ~ NA_character_
    )
  )

# 统计随访相关指标（假设RID为唯一标识，group_column非NA代表已随访）
all_rid <- unique(total_data$RID)
followed_rid <- total_data %>% filter(!is.na(group_column)) %>% pull(RID) %>% unique()
lost_rid <- setdiff(all_rid, followed_rid)
follow_up_rate <- length(followed_rid) / length(all_rid)

# 输出统计结果
cat("随访RID数量：", length(followed_rid), "\n")
cat("失访RID数量：", length(lost_rid), "\n")
cat("随访率：", scales::percent(follow_up_rate), "\n")

关键优化说明 #

• 批量逻辑复用：通过map系列函数替代重复的逐文件夹代码，新增/调整文件夹仅需修改folders列表
• 函数化封装：将单文件夹的读取、重命名、合并逻辑打包为独立函数，降低冗余且便于调试
• 动态字段适配：用case_when结合字符串拼接，自动匹配不同文件夹的专属列，避免硬编码多个分支
• 可读性提升：全程使用tidyverse生态工具，代码风格统一，附加源文件/文件夹标识便于溯源

内容的提问来源于stack exchange，提问作者HJ WHY