R语言批量将means文件对应行追加到HUC文件夹各CSV文件新列

前置依赖 #

优先使用tidyverse套件简化字符串处理和数据操作，安装加载方式如下：

install.packages("tidyverse")
library(tidyverse)

如果不想引入第三方包，也可以用R基础函数改写正则匹配和循环逻辑，核心思路一致。

核心实现逻辑 #

步骤1：预处理均值匹配表 #

注意：编号匹配失败是绝大多数「仅能新增列名无法写入数据」问题的原因，必须确保means文件的编号列和从文件名提取的编号类型、格式完全一致，避免数字/字符类型差异、前后导零差异导致的匹配空值

# 替换为你的means文件实际路径
means_df <- read.csv("你的means文件路径.csv", stringsAsFactors = FALSE)
# 统一将编号列转为字符型，避免类型不匹配
means_df[,1] <- as.character(means_df[,1])
# 自定义均值列的列名，避免和CSV原有列重名
colnames(means_df) <- c("huc_id", paste0("hist_mean_", 1:(ncol(means_df)-1)))

步骤2：单个文件夹批量处理逻辑 #

# 替换为你的HUCs文件夹实际路径
huc_folder <- "./HUCs/"
# 匹配文件夹下所有符合「前缀_数字.csv」格式的文件
csv_files <- list.files(huc_folder, pattern = "_\\d+\\.csv$", full.names = TRUE)

# 循环处理每个CSV文件
for (file_path in csv_files) {
  # 从文件名提取数字编号
  file_name <- basename(file_path)
  huc_id <- str_extract(file_name, "(?<=_)\\d+(?=\\.csv)")
  
  # 匹配对应行的均值数据，drop=FALSE避免单列转为向量
  matched_means <- means_df[means_df$huc_id == huc_id, -1, drop = FALSE]
  
  # 跳过未匹配到的文件，打印提示
  if(nrow(matched_means) == 0) {
    warning(paste("未匹配到编号对应的均值：", huc_id))
    next
  }
  
  # 读取当前CSV文件，追加均值列
  huc_df <- read.csv(file_path, stringsAsFactors = FALSE)
  # 所有行复用同一组均值数据
  huc_df <- cbind(huc_df, matched_means[rep(1, nrow(huc_df)), , drop = FALSE])
  
  # 覆盖写入原文件，如需保留原文件可以修改输出路径到新文件夹
  write.csv(huc_df, file_path, row.names = FALSE, quote = FALSE)
}

步骤3：多同类文件夹批量处理优化 #

将上述逻辑封装为函数，批量传入所有待处理文件夹路径即可：

# 封装处理函数
process_huc_folder <- function(folder_path, means_df) {
  csv_files <- list.files(folder_path, pattern = "_\\d+\\.csv$", full.names = TRUE)
  for (file_path in csv_files) {
    file_name <- basename(file_path)
    huc_id <- str_extract(file_name, "(?<=_)\\d+(?=\\.csv)")
    matched_means <- means_df[means_df$huc_id == huc_id, -1, drop = FALSE]
    if(nrow(matched_means) == 0) {
      warning(paste("文件夹", folder_path, "中未匹配到编号：", huc_id))
      next
    }
    huc_df <- read.csv(file_path, stringsAsFactors = FALSE)
    huc_df <- cbind(huc_df, matched_means[rep(1, nrow(huc_df)), , drop = FALSE])
    write.csv(huc_df, file_path, row.names = FALSE, quote = FALSE)
  }
}

# 所有待处理的同类文件夹路径放入向量，批量调用
all_folders <- c("./HUCs/", "./第二个同类文件夹/", "./第三个同类文件夹/")
lapply(all_folders, process_huc_folder, means_df = means_df)

额外说明 #

• 运行前建议先备份原始文件，避免写入错误丢失数据
• 若处理的CSV文件体积较大，可以改用data.table包的fread/fwrite函数大幅提升读写速度
• 若means文件包含多列均值数据，上述代码会自动全部追加到CSV右侧，不需要额外修改逻辑

内容的提问来源于stack exchange，提问作者David Montana