Windows系统下如何让R脚本批量处理所有成对的.heat与.timestamp数据

前置说明 #

原脚本存在几个需要先修正的逻辑问题，已在批量实现方案中同步修复：

• 未定义datDT变量就直接赋值newcol字段
• write_tsv调用的变量名dataestimation和之前定义的dataest不一致
• 时间差计算逻辑中back_time - last_heat维度不匹配的问题

本次批量实现的核心逻辑为：先匹配工作目录下相同前缀的.heat和.timestamp文件，再把单组处理逻辑封装为函数循环调用，输出结果按原文件前缀命名避免覆盖。

完整批量处理脚本 #

# 提前加载依赖包，避免循环中重复加载
library(data.table)
library(readr)

# 设置工作目录，替换为你的实际存储路径
setwd('C:\\Users\\Zack\\Documents\\RScripts')

# 1. 提取目录下所有对应后缀的文件
heat_files <- list.files(pattern = "\\.heat$", ignore.case = TRUE)
time_files <- list.files(pattern = "\\.timestamp$", ignore.case = TRUE)

# 2. 提取文件名前缀做配对校验
get_prefix <- function(filename) {
  sub("\\.[^.]*$", "", filename) # 去掉文件末尾的后缀名
}
heat_prefixes <- sapply(heat_files, get_prefix)
time_prefixes <- sapply(time_files, get_prefix)

# 3. 筛选同时存在两类文件的配对前缀
common_prefixes <- intersect(heat_prefixes, time_prefixes)
if (length(common_prefixes) == 0) {
  stop("未找到配对的.heat和.timestamp文件，请检查工作目录是否正确")
}

# 4. 封装单组文件的处理函数
process_one_pair <- function(prefix) {
  # 读取对应配对文件
  heat_path <- paste0(prefix, ".heat")
  time_path <- paste0(prefix, ".timestamp")
  
  ts_heat <- read.table(heat_path)
  ts_heat <- ts_heat[-1,] # 保留原逻辑删除首行
  rownames(ts_heat) <- NULL
  setDT(ts_heat) # 转成data.table格式，修复原脚本未定义datDT的问题
  setnames(ts_heat, old = "V3", new = "track") # 对齐原逻辑的track字段命名
  
  ts_time <- read.table(time_path)
  back_time <- ts_time$V1
  back_heat <- ts_heat[track == 'H']
  
  # 保留原逻辑计算newcol列
  ts_heat[, newcol := fcoalesce(
    nafill(fifelse(track == "H", back_time, NA_real_), type = "locf"),
    0
  )]
  
  last_heat <- ts_heat[track == 'H']
  last_time <- last_heat$newcol
  # 修复原维度不匹配问题，可根据你的实际数据逻辑调整
  x <- back_time[1:nrow(last_heat)] - last_time
  dataest <- data.frame(back_time = back_time[1:nrow(last_heat)], x = x)
  
  # 按原文件前缀输出结果，避免文件覆盖
  output_file <- paste0(prefix, "_dataestimation.txt")
  write_tsv(dataest, file = output_file)
  message("处理完成：", prefix, "，结果已导出为", output_file)
}

# 5. 批量处理所有配对文件
sapply(common_prefixes, process_one_pair)

注意事项 #

• 运行前请确保已经安装依赖包，未安装可先执行install.packages(c("data.table", "readr"))
• 如果你的.heat文件首行是表头，可在read.table参数中添加header = TRUE，根据你的实际数据格式调整即可
• 若内置的计算逻辑和你的实际需求有出入，仅需修改process_one_pair函数内的对应计算部分即可

内容的提问来源于stack exchange，提问作者Zack