如何在R语言中将多份双列制表符分隔TXT文件合并为一个数据框

核心问题分析 #

你的TSV文件没有表头，第一行是实际数据，但read_tsv默认把第一行当作列名，导致列名被替换成了第一行的ID和文本值，后续数据出现错位。

完整实现步骤 #

1. 加载必要工具包 #

使用readr处理文件读取，dplyr和purrr完成批量操作与数据合并：

library(readr)
library(dplyr)
library(purrr)

2. 获取目标文件夹内所有TXT文件路径 #

将"speeches/"替换为你的实际文件存储路径：

file_paths <- list.files(path = "speeches/", pattern = "\\.txt$", full.names = TRUE)

3. 批量读取并统一整理文件 #

定义函数处理单个文件，强制跳过表头识别，手动指定列名后合并所有数据：

# 定义单文件读取逻辑
read_speech_file <- function(file) {
  read_tsv(file, col_names = FALSE) %>%
    rename(ID = X1, Text = X2)
}

# 批量处理所有文件并按行合并
combined_corpus <- map_dfr(file_paths, read_speech_file)

4. 验证结果 #

查看合并后数据框的前几行，确认列名与数据格式正确：

head(combined_corpus)

关键细节补充 #

• col_names = FALSE：强制R不将文件第一行识别为表头，改用X1、X2作为临时列名，后续手动重命名为ID和Text。
• map_dfr：来自purrr包，自动将多个数据框按行合并，比循环写法更高效简洁。
• 如果文件包含土耳其语等特殊字符，可在read_tsv中指定编码确保字符正确读取：

  read_tsv(file, col_names = FALSE, locale = locale(encoding = "UTF-8"))
  

内容的提问来源于stack exchange，提问作者noetherlaw