如何在R中格式化CSV文件？将多列数据转为两列结构

当前问题 #

运行现有代码后生成了113列的宽格式数据，而非预期的两列（文件名+对应数值）的长格式结构。

当前输出格式 #

single.single_one_count1 single.single_one_count2 single.single_one_count3
file_name1                        9                       15                        6
file_name2                        9                       15                        6
file_name3                        9                       15                        6
file_name4                        9                       15                        6
file_name5                        9                       15                        6
file_name6                        9                       15                        6
file_name7                        9                       15                        6
file_name8                        9                       15                        6
           single.single_one_count4 single.single_one_count5 single.single_one_count6
file_name1                       10                        8                       11
file_name2                       10                        8                       11
file_name3                       10                        8                       11
file_name4                       10                        8                       11
file_name5                       10                        8                       11
file_name6                       10                        8                       11
file_name7                       10                        8                       11
file_name8                       10                        8                       11
           single.single_one_count7 single.single_one_count8 single.single_one_count9
file_name1                       12                        8                       10
file_name2                       12                        8                       10
file_name3                       12                        8                       10
file_name4                       12                        8                       10
file_name5                       12                        8                       10
file_name6                       12                        8                       10
file_name7                       12                        8                       10
file_name8                       12                        8                       10
           single.single_one_count10 single.single_one_count11
file_name1                        11                         4
file_name2                        11                         4

预期输出格式 #

filename, value
file_name1, 9
file_name2, 9
...

现有代码 #

#set the directory containing the TSV files
directory <- "C:/Users/tcamp/OneDrive/Desktop/a2_Tom_Campbell_40332657/images"

#Use list.files() to get a list of all TSV files in the directory
file_names <- list.files(directory, pattern = "\\.tsv$", full.names = TRUE)

#function definition to calculate the single_one_count
single_one_count <- function(file_name){
  #Read in the TSV file as a data frame
  df <- read.table(file_name, header = TRUE, sep = "\t")
  
  #Calculate the number of rows with just one "1"
  count <- sum(apply(df == 1, 1, all))
  
  return(count)
}

result_list <- lapply(file_names, single_one_count)

result_df <- data.frame(file = c(file_name = file_names), single = c(single_one_count = result_list))

result_df

write.csv(result_df, file = "C:/Users/tcamp/OneDrive/Desktop/a2_Tom_Campbell_40332657/40332657_features.csv", row.names = FALSE)

解决方案 #

1. 修正核心计算逻辑 #

原函数里的apply(df == 1, 1, all)是计算每行所有元素都是1的行数，和注释里“每行只有一个1”的需求不符，需要替换为rowSums(df == 1) == 1来统计每行恰好有一个1的数量。

2. 修正数据框构建逻辑 #

result_list是lapply返回的列表，直接放入data.frame会被拆成多列，需要用unlist()转为向量；另外如果只需要文件名而非完整路径，用basename()提取文件名更合适。

修改后的完整代码：

# 设置TSV文件所在目录
directory <- "C:/Users/tcamp/OneDrive/Desktop/a2_Tom_Campbell_40332657/images"

# 获取目录下所有TSV文件的完整路径
file_names <- list.files(directory, pattern = "\\.tsv$", full.names = TRUE)

# 定义函数：计算每行恰好有一个"1"的行数
single_one_count <- function(file_name){
  df <- read.table(file_name, header = TRUE, sep = "\t")
  # 统计每行等于1的元素个数为1的行数
  count <- sum(rowSums(df == 1) == 1)
  return(count)
}

# 批量处理所有文件
result_list <- lapply(file_names, single_one_count)

# 构建两列的长格式数据框
result_df <- data.frame(
  filename = basename(file_names),  # 提取纯文件名
  value = unlist(result_list)       # 将列表转为向量
)

# 查看结果
print(result_df)

# 导出为CSV
write.csv(result_df, file = "C:/Users/tcamp/OneDrive/Desktop/a2_Tom_Campbell_40332657/40332657_features.csv", row.names = FALSE)

解释 #

• rowSums(df == 1)会计算每行中等于1的元素数量，==1筛选出恰好有一个1的行，sum()统计这些行的总数，符合需求。
• unlist(result_list)将lapply返回的列表转为一维向量，确保数据框中是一列数值而非多列。
• basename(file_names)从完整路径中提取文件名（比如从C:/xxx/file1.tsv得到file1.tsv），让输出更简洁。

内容的提问来源于stack exchange，提问作者user12540531