如何高效优雅地将多个TXT文件合并为一个DataFrame？

你提到手动逐个调用merge确实太繁琐了，尤其是文件数量多的时候，完全没必要重复机械操作。针对你已经解压好的UCI HAR Dataset文件，我们可以用R的批量处理函数来自动化这个过程，分两种常见场景给出解决方案：

场景1：合并同结构的多行数据文件（比如train和test的特征数据） #

如果你的这些TXT文件是列名一致、数据类型匹配的行数据（比如X_train.txt和X_test.txt），可以用批量读取+行绑定的方式快速合并：

# 先筛选出你需要合并的目标TXT文件路径（示例：匹配所有以"X_"开头的文件）
target_files <- datafiles[grepl("X_.*\\.txt$", datafiles)]

# 批量读取所有文件，再按行合并
library(dplyr)
combined_data <- target_files %>%
  lapply(read.table, header = FALSE, sep = "", stringsAsFactors = FALSE) %>%
  bind_rows()

场景2：合并不同结构的列数据文件（比如特征、标签、主体ID） #

如果是要把不同维度的列数据合并（比如把X_train.txt、y_train.txt、subject_train.txt合并成完整数据集），可以用批量读取+迭代合并的方式处理：

# 示例：筛选train组的核心数据文件（排除惯性信号的子文件）
train_files <- datafiles[grepl("train.*\\.txt$", datafiles) & !grepl("Inertial", datafiles)]

# 批量读取后按列合并（如果是按主键合并，把cbind换成merge并指定by参数即可）
library(purrr)
train_combined <- train_files %>%
  lapply(read.table, header = FALSE, sep = "", stringsAsFactors = FALSE) %>%
  reduce(cbind)

额外优化：封装读取逻辑让代码更整洁 #

因为UCI HAR Dataset的文件都是固定格式（无表头、空格分隔），可以把读取逻辑封装成函数，让代码更易维护：

read_uci_file <- function(file_path) {
  read.table(file_path, header = FALSE, sep = "", stringsAsFactors = FALSE)
}

# 调用封装好的函数完成批量合并
combined_data <- target_files %>%
  lapply(read_uci_file) %>%
  bind_rows()

这样不管你有多少个文件，都不用手动逐个写合并语句，批量处理一步就能完成～

内容的提问来源于stack exchange，提问作者user12583343