R语言如何批量读取指定CSV文件、筛选行列后合并为数据框

核心逻辑是把单文件读取、裁剪、合并的流程封装为自动化步骤，无需手动逐个声明数据框，自动适配任意数量的结果文件。

完整实现代码 #

# 无需额外安装第三方包，基于R基础函数实现
# --------------------------
# 1. 抓取目录下所有目标CSV文件
# --------------------------
file_list <- list.files(
  path = "C:/your/result/csv/path",  # 替换为你的CSV文件存放目录，R中路径请使用正斜杠/
  pattern = "^data_\\d+\\.csv$",     # 正则匹配文件名规则：仅识别data_+数字.csv格式的结果文件，过滤无关文件
  full.names = TRUE                  # 自动补全文件完整路径，无需手动拼接
)

# --------------------------
# 2. 定义单文件处理规则
# --------------------------
process_csv <- function(file) {
  # 严格保留原有读取参数：跳过首行、读取表头
  raw_df <- read.csv(file, header = TRUE, skip = 1)
  # 按原有规则截取行列：前365行，第2/4/6/8/10列
  cut_df <- raw_df[1:365, c(2, 4, 6, 8, 10)]
  # 可选：新增列标记数据来源文件，后续核对数据更方便
  cut_df$source_file <- basename(file)
  return(cut_df)
}

# --------------------------
# 3. 批量处理+自动合并
# --------------------------
# 自动遍历所有匹配到的文件，逐次执行处理逻辑
processed_list <- lapply(file_list, process_csv)
# 一次性按行合并所有处理完的片段
total <- as.data.frame(do.call(rbind, processed_list))

关键问题适配说明 #

• 目标文件筛选：通过list.files的pattern参数用正则规则匹配文件名，只会读取符合命名规则的结果文件，不会混入目录下其他无关CSV。如果你的文件名规则有变化，直接修改pattern的匹配规则即可，比如要匹配所有以year_record开头的CSV，可改为pattern = "^year_record.*\\.csv$"。
• 跳过首行要求：skip=1参数直接写入统一的读取逻辑中，所有文件读入时都会自动执行跳过首行的操作，不会出现遍历读取时漏设参数的问题。
• 文件数量自适应：整个流程不需要提前声明文件数量，不管模型生成3个还是50个结果文件，只要存放在指定目录、符合文件名匹配规则，直接运行代码即可完成全流程处理，不需要手动修改rbind的拼接参数。

可选优化提示 #

• 如果需要兼容闰年366天的数据，可将行截取逻辑改为cut_df <- raw_df[1:min(366, nrow(raw_df)), c(2, 4, 6, 8, 10)]，避免行数不足触发下标越界报错。
• 如果文件量较大（超过20个），可以将最后合并的代码替换为data.table::rbindlist(processed_list)，合并速度会有明显提升（需提前安装data.table包）。
• 如果担心个别文件损坏导致流程中断，可以在read.csv外层添加tryCatch容错逻辑，出错时打印问题文件名即可跳过异常文件继续处理。

内容的提问来源于stack exchange，提问作者Bob