多层子目录CSV数据集合并出错求助（R语言）

错误原因拆解 #

1. list.dirs返回父目录导致NA转换错误：
   默认list.dirs()会递归返回所有层级目录，包括父目录本身。比如遍历细胞组时会包含根目录C:/Users/me/Desktop/Test，遍历时间段时会包含细胞组目录（如C1），这些目录名无法转成数值，直接触发NAs introduced by coercion警告。

2. 初始数据框列数不匹配：
   你初始化的combined_data <- data.frame(time_period = time_period)只有1列，但读取的CSV文件有多列，rbind时必然出现numbers of columns of arguments do not match错误。

修正后的代码 #

library(tidyverse)

# 设置根目录
root_dir <- "C:/Users/me/Desktop/Test"

# 获取所有细胞组的直接子目录（不递归）
cell_groups <- list.dirs(root_dir, full.names = TRUE, recursive = FALSE)

# 遍历每个细胞组
walk(cell_groups, function(cell_group_path) {
  cell_group_name <- basename(cell_group_path)
  
  # 获取当前细胞组下的所有时间段直接子目录
  time_dirs <- list.dirs(cell_group_path, full.names = TRUE, recursive = FALSE)
  
  # 遍历每个时间段目录
  walk(time_dirs, function(time_dir_path) {
    # 提取时间段数值（移除末尾的"d"）
    time_period <- as.numeric(str_remove(basename(time_dir_path), "d"))
    
    # 递归查找当前时间段下所有_mGFP.csv文件的完整路径
    csv_files <- list.files(
      path = time_dir_path,
      pattern = "_mGFP.csv",
      recursive = TRUE,
      full.names = TRUE
    )
    
    # 跳过无文件的情况
    if (length(csv_files) == 0) {
      message("未在", time_dir_path, "下找到目标CSV文件，跳过")
      return()
    }
    
    # 批量读取并合并所有CSV，添加分组标识列
    combined_data <- map_df(csv_files, function(file) {
      read_csv(file) %>%
        mutate(
          cell_group = cell_group_name,
          time_period = time_period,
          source_file = basename(file) # 可选：保留源文件名用于溯源
        )
    })
    
    # 生成输出路径并保存文件
    output_file <- file.path(cell_group_path, paste0(cell_group_name, "_", time_period, ".csv"))
    write_csv(combined_data, output_file)
    message("合并完成，已保存至：", output_file)
  })
})

关键优化点 #

1. 限制目录遍历范围：用recursive = FALSE让list.dirs只返回直接子目录，彻底避免父目录干扰。
2. 重构合并逻辑：先批量读取所有CSV，统一添加分组列后再合并，从根源解决列数不匹配问题。
3. 增加容错处理：判断无CSV文件的情况并跳过，避免程序中断。
4. 使用tidyverse工具：read_csv比基础包read.csv更快，map_df简化循环合并流程，代码更简洁易维护。

内容的提问来源于stack exchange，提问作者Sjoerd