如何用R读取列名在第12行的多CSV文件，指定列、加文件名后合并？

针对你处理多CSV文件的需求，这里提供两种比循环更高效、更简洁的非循环实现方案，完美匹配你的数据处理逻辑：

方案一：基于data.table（推荐，大文件场景更高效） #

利用data.table的fread（高速读取文件）和rbindlist（高效合并列表）特性，直接在读取阶段完成列选择和文件名添加：

library(data.table)

# 设置工作路径
setwd("D:/Data")

# 获取所有CSV文件名
files <- list.files(pattern = "\\.csv$", full.names = FALSE)

# 读取、处理并合并所有文件
final_dt <- rbindlist(
  lapply(files, function(file) {
    # 读取文件：从第12行开始（skip=11），指定分隔符和编码
    dt <- fread(file, skip = 11, sep = "\t", fileEncoding = "utf-16")
    # 保留指定列，新增文件名列
    dt[, .(File = file, Date, Time, Value)]
  })
)

# 如需转为data.frame格式
final_df <- as.data.frame(final_dt)

方案二：基于tidyverse（代码可读性更强） #

用purrr::map_dfr自动合并数据框，结合dplyr完成列筛选和新增列操作：

library(tidyverse)

setwd("D:/Data")
files <- list.files(pattern = "\\.csv$", full.names = FALSE)

final_df <- map_dfr(files, function(file) {
  read_delim(file, 
             skip = 11, 
             delim = "\t", 
             locale = locale(encoding = "utf-16")) %>%
    select(Date, Time, Value) %>%
    mutate(File = file) %>%
    relocate(File) # 将File列移至最前，与你原循环结果结构一致
})

关键优化说明 #

• 避免了循环中反复rbind导致的性能损耗（文件/数据量越大，优势越明显）
• 直接在单个文件的处理环节完成列筛选和文件名添加，逻辑更紧凑
• fread和read_delim比基础包read.csv更适配复杂编码、特殊分隔符的场景

内容的提问来源于stack exchange，提问作者Robin