如何用R批量处理CSV文件并按指定列导出结果？

针对你需要批量处理文件夹中CSV文件、计算指定指标并汇总结果的需求，下面给出两种优化实现方案，同时修正原代码中的潜在问题：

问题说明 #

原代码中使用count(filter(...))*2会返回包含n列的data.frame，后续提取数值时容易出错；重复调用filter和count也会增加不必要的计算开销。下面的方案会简化逻辑，让代码更高效易读。

方案一：使用tidyverse工具链（推荐） #

借助dplyr、purrr等包实现简洁的批量处理，代码更紧凑：

# 加载所需包（如果未安装，先运行 install.packages(c("dplyr", "purrr", "readr", "stringr"))）
library(dplyr)
library(purrr)
library(readr)
library(stringr)

# 获取目标文件夹下所有CSV文件的完整路径
all_csvs <- list.files("RDP OA and YA/", full.names = TRUE) |>
  str_subset("\\.csv$")

# 定义单个CSV文件的处理函数
process_single_csv <- function(file_path) {
  # 读取CSV文件（read_csv比base R的read.csv更高效）
  df <- read_csv(file_path)
  
  # 一次性计算四个指标：用sum直接统计符合条件的行数，再乘以2
  metrics <- df |>
    summarise(
      slowhits = sum(key_resp_rdpslow.keys == "m" & key_resp_rdpslow.corr == 1) * 2,
      slowfa = sum(key_resp_rdpslow.keys == "m" & key_resp_rdpslow.corr == 0) * 2,
      fasthits = sum(key_resp_rdpfast.keys == "m" & key_resp_rdpfast.corr == 1) * 2,
      fastfa = sum(key_resp_rdpfast.keys == "m" & key_resp_rdpfast.corr == 0) * 2
    )
  
  # 添加文件名列（用basename只保留文件名，而非完整路径）
  metrics |>
    mutate(csv_file = basename(file_path)) |>
    select(csv_file, everything()) # 将文件名列移至首位
}

# 批量处理所有文件并合并结果
final_result <- map_dfr(all_csvs, process_single_csv)

# 保存结果到输出文件
write_csv(final_result, "out.csv")

优化点说明 #

1. 用sum()替代filter()+count()：直接统计符合条件的行数，避免生成中间数据框，提升效率
2. map_dfr自动合并结果：无需手动用sapply提取再拼接，一步生成最终数据框
3. basename(file_path)：让输出的文件名更整洁，只保留rdp1.csv这类名称而非完整路径
4. read_csv/write_csv：比base R的读写函数更快，且默认不生成行号

方案二：Base R实现（无需额外安装包） #

如果你更习惯使用原生R语法，下面是纯Base R的版本，新手更容易理解：

# 获取目标文件夹下所有CSV文件的完整路径
all_csvs <- list.files("RDP OA and YA/", full.names = TRUE)
# 筛选出后缀为.csv的文件
all_csvs <- all_csvs[grepl("\\.csv$", all_csvs)]

# 初始化空列表存储每个文件的结果
result_list <- list()

# 循环处理每个CSV文件
for (file_path in all_csvs) {
  df <- read.csv(file_path)
  
  # 计算四个指标
  slowhits <- sum(df$key_resp_rdpslow.keys == "m" & df$key_resp_rdpslow.corr == 1) * 2
  slowfa <- sum(df$key_resp_rdpslow.keys == "m" & df$key_resp_rdpslow.corr == 0) * 2
  fasthits <- sum(df$key_resp_rdpfast.keys == "m" & df$key_resp_rdpfast.corr == 1) * 2
  fastfa <- sum(df$key_resp_rdpfast.keys == "m" & df$key_resp_rdpfast.corr == 0) * 2
  
  # 将当前文件的结果存入列表
  result_list[[file_path]] <- data.frame(
    csv_file = basename(file_path),
    slowhits = slowhits,
    slowfa = slowfa,
    fasthits = fasthits,
    fastfa = fastfa,
    stringsAsFactors = FALSE
  )
}

# 合并所有结果为一个数据框
final_result <- do.call(rbind, result_list)

# 保存结果，row.names=FALSE避免生成额外行号
write.csv(final_result, "out.csv", row.names = FALSE)

关键说明 #

• 用grepl筛选CSV文件，无需依赖第三方包
• 标准for循环逻辑清晰，适合新手逐步调试
• do.call(rbind, result_list)将列表中的多个小数据框合并成一个完整结果

内容的提问来源于stack exchange，提问作者user20266484