使用dplyr导入多个CSV至tibble并添加文件名字段的问题

问题根源 #

你原来的循环方法出错，是因为每次bind_rows后用row_number()判断行范围的逻辑不成立：

• 当i=2时，bind后tmp变成6行，你用row_number()>3 & <=6给第4-6行（file02的内容）设置了正确的文件名；
• 但i=3时，bind后tmp变成9行，第一个mutate的条件row_number()>3 & <=6会选中第4-6行（原本是file02的内容），把它们的Fnm改成了file03.txt，这就覆盖了之前的正确值，导致最终file02的行都变成了file03的文件名。

而且这种依赖固定行数的判断非常脆弱——只要某个文件的行数不是3，整个逻辑就彻底失效。

正确的dplyr解决方案 #

方法1：用purrr::map_dfr（推荐，tidyverse标准写法） #

map_dfr会遍历文件名向量，对每个文件执行读取+添加文件名的操作，最后自动合并成一个tibble，完全不需要手动循环：

library(tidyverse) # 加载dplyr和purrr

Fnms <- c("file01.txt", "file02.txt", "file03.txt")

combined_data <- map_dfr(Fnms, function(file) {
  read_csv(file) %>% 
    mutate(Fnm = file) # 给当前文件的数据添加文件名
})

或者用更简洁的公式写法：

combined_data <- map_dfr(Fnms, ~ read_csv(.x) %>% mutate(Fnm = .x))

方法2：用for循环配合dplyr（如果一定要用循环） #

核心思路是先给单个文件的数据加好文件名，再合并，而不是先合并再修改：

library(dplyr)
library(readr)

Fnms <- c("file01.txt", "file02.txt", "file03.txt")

# 初始化空的tibble
tmp <- tibble()

for (file in Fnms) {
  # 读取当前文件，添加文件名
  current_df <- read_csv(file) %>% mutate(Fnm = file)
  # 合并到tmp中
  tmp <- tmp %>% bind_rows(current_df)
}

这样每个文件的Fnm列在读取时就已经正确设置，不会出现覆盖错误。

最终效果 #

两种方法都会得到正确的结果：

# A tibble: 9 × 3
  F1       F2 Fnm       
  <chr> <dbl> <chr>     
1 A         1 file01.txt
2 B         2 file01.txt
3 C         3 file01.txt
4 D         4 file02.txt
5 E         5 file02.txt
6 F         6 file02.txt
7 H         7 file03.txt
8 I         8 file03.txt
9 J         9 file03.txt

内容的提问来源于stack exchange，提问作者Markm0705