寻求替代Stata program命令的R循环方案：读取异格式固定宽度文件

问题背景 #

有多份固定宽度的.asc文件，相同变量的固定宽度位置逐年变化，需要批量读取处理并合并为包含c("name", "fips", "var1", "var2", "year")的数据框。目前只能逐个编写读取代码，希望用类似Stata program命令的简洁方式实现循环处理。

用户尝试的手动处理代码：

a97 <- read_fwf("/A/A2000.asc", fwf_positions(c(67, 122, 18533, 18563), c(91, 126, 18538, 18568), c("name", "fips", "var1", "var2"))) %>%  
  filter(fips == "12345") %>% 
  mutate(year = 1997)

a00 <- read_fwf("/A/A2004.asc", fwf_positions(c(67, 122, 17982, 18012), c(91, 126, 17987, 18017), c("name", "fips", "var1", "var2"))) %>%  
  filter(fips == "12345") %>% 
  mutate(year = 2000)

rbind(a97, a00)

对应的Stata program实现示例：

program import_a

infix str name 67-91 str fips 122-126 var1 `1' var2 `2' ///
using "$\A\\`3'.asc", clear

keep if fips=="12345"

gen year = `4'

append using "$output\a.dta"

save "$output\a.dta", replace

end

import_a 18533-18538 18563-18568 A2000 1997

import_a 17982-17987 18012-18017 A2004 2000

R实现思路 #

核心思路是将每个文件的可变参数（字段位置、年份、路径）集中管理，编写通用处理函数后批量执行，和Stata program的参数化调用逻辑一致。

步骤1：定义配置表 #

把所有文件的可变信息整理成一个数据框，方便统一管理和批量调用：

library(tibble)
library(readr)
library(dplyr)

# 配置表：每行对应一个文件的参数
file_configs <- tibble(
  file_path = c("/A/A2000.asc", "/A/A2004.asc"),
  var1_start = c(18533, 17982),
  var1_end = c(18538, 17987),
  var2_start = c(18563, 18012),
  var2_end = c(18568, 18017),
  year = c(1997, 2000)
)

步骤2：编写通用处理函数 #

封装读取、过滤、添加年份的逻辑，接收配置表中的参数：

read_process_fwf <- function(file_path, var1_start, var1_end, var2_start, var2_end, year) {
  read_fwf(
    file = file_path,
    col_positions = fwf_positions(
      start = c(67, 122, var1_start, var2_start),
      end = c(91, 126, var1_end, var2_end),
      col_names = c("name", "fips", "var1", "var2")
    )
  ) %>%
    filter(fips == "12345") %>%
    mutate(year = year)
}

步骤3：批量处理并合并结果 #

可以用基础循环或purrr包的映射函数实现批量执行：

方式1：基础for循环

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

# 遍历配置表处理每个文件
for (i in seq_len(nrow(file_configs))) {
  current_config <- file_configs[i, ]
  result_list[[i]] <- read_process_fwf(
    file_path = current_config$file_path,
    var1_start = current_config$var1_start,
    var1_end = current_config$var1_end,
    var2_start = current_config$var2_start,
    var2_end = current_config$var2_end,
    year = current_config$year
  )
}

# 合并所有结果为最终数据框
final_df <- bind_rows(result_list)

方式2：用purrr实现更简洁的批量调用

library(purrr)

# pmap_dfr会自动按行匹配参数并返回合并后的data.frame
final_df <- pmap_dfr(file_configs, read_process_fwf)

这种方式的优势是：新增文件时只需在file_configs中添加一行参数，无需重复编写读取代码，完全复刻了Stata program的参数化批量处理逻辑。

内容的提问来源于stack exchange，提问作者gered