如何合并名称含GTAH字符的多列数差异数据集为单一数据框

以下提供R和Python两种主流编程语言的实现方案，均可自动处理列数不一致的情况（缺失列自动填充NA）：

R语言实现 #

1. 安装并加载依赖包 #

# 安装未安装的依赖包
if (!require("haven")) install.packages("haven")
if (!require("dplyr")) install.packages("dplyr")
if (!require("purrr")) install.packages("purrr")

# 加载包
library(haven)
library(dplyr)
library(purrr)

2. 获取目标文件路径 #

# 筛选当前工作目录中文件名包含"GTAH"的所有.dta文件
file_list <- list.files(pattern = "GTAH", full.names = TRUE, ignore.case = FALSE)

3. 批量读取并合并数据 #

# 批量读取文件，自动对齐列名并合并为单个数据框
combined_data <- file_list %>%
  map(read_dta) %>%
  bind_rows()

• bind_rows()会自动匹配所有文件的列名，某个文件缺失的列将以NA填充。

Python语言实现 #

1. 加载依赖库 #

import pandas as pd
import glob

2. 获取目标文件路径 #

# 匹配当前目录下所有文件名含"GTAH"的.dta文件
file_list = glob.glob("*GTAH*.dta")

3. 批量读取并合并数据 #

# 批量读取所有文件，合并为单个DataFrame
df_list = [pd.read_stata(file_path) for file_path in file_list]
combined_data = pd.concat(df_list, axis=0, join="outer", ignore_index=True)

• join="outer"保留所有出现过的列，缺失列填充NA；ignore_index=True重置合并后的行索引。

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