如何在RStudio中批量导入GitHub上的CoAID数据集？

前置准备 #

确保已安装readr和purrr包，若未安装，先执行：

if (!require("readr")) install.packages("readr")
if (!require("purrr")) install.packages("purrr")

library(readr)
library(purrr)

1. 自动下载并解压数据集 #

这段代码会从GitHub下载压缩包，解压到你指定的目录：

# 自定义解压后的存储目录（替换为你想要的路径）
target_dir <- "C:/Clive/Documents/R/CoAID"

# 下载压缩包到临时文件
zip_url <- "https://github.com/cuilimeng/CoAID/archive/refs/heads/master.zip"
temp_zip <- tempfile(fileext = ".zip")
download.file(zip_url, temp_zip, mode = "wb")

# 解压文件
unzip(temp_zip, exdir = target_dir)

2. 批量读取所有CSV文件 #

递归遍历所有子文件夹，一次性读取所有CSV到一个命名列表中（列表名就是文件名，方便调用）：

# 获取所有CSV文件的完整路径
csv_paths <- list.files(
  path = file.path(target_dir, "CoAID-master"),
  pattern = "\\.csv$",
  recursive = TRUE,
  full.names = TRUE
)

# 批量读取CSV
coaid_list <- map(csv_paths, read_csv)

# 给列表元素命名（移除路径和后缀）
names(coaid_list) <- basename(csv_paths) %>% tools::file_path_sans_ext()

# 调用示例：直接通过文件名访问数据集
coaid_list$ClaimFakeCOVID_19
coaid_list$ClaimFakeCOVID_19_tweets

可选：合并同类型数据集 #

如果需要将结构相似的文件（比如所有带tweets的CSV）合并成一个数据框：

library(dplyr)

# 筛选并合并所有tweets文件
all_tweets <- coaid_list[grepl("tweets", names(coaid_list))] %>%
  bind_rows(.id = "source_file")  # 添加来源文件名，方便溯源

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