使用purrr的map类函数读取多文件并统计各数据集变量数的方法
代码失效原因
你之前写的 mutate 逻辑存在两处错位,完全无法触达嵌套列的内部数据:
- 直接调用
names(data)时,函数默认获取外层 tibble 的全局列名(也就是File、data这两个顶层字段),不会自动遍历每一行存储的子数据集内容,根本拿不到每个Excel文件对应的内部变量名。 - 计算变量总数时误用
unique()做全值去重,没有针对每个子数据集单独统计列数,输出结果自然不符合预期。
适配现有流程的实现代码
不需要改动你前面读文件、做嵌套的流程,直接在 mutate 中搭配map族函数对嵌套列逐行迭代即可:
df2 <- df %>% mutate( # 逐行提取嵌套子数据集的所有列名,生成列表型列 var.list = map(data, names), # 逐行统计嵌套子数据集的列数,生成数值型列 var.n = map_int(data, ncol) )
代码说明
map(data, names):会遍历data列里的每一个子 tibble,依次取出每个子数据集的列名,最终输出为列表格式的列,每个元素对应一个文件下的全部变量名,完全匹配你对var.list列的格式要求。map_int(data, ncol):同样逐行遍历子数据集,调用内置ncol()函数计算每个子表的列数,因为ncol()返回单个整数值,因此用固定输出整数向量的map_int作为迭代函数,直接生成数值类型的var.n列,不需要额外的类型转换。
完成后可以用下面的代码快速校验结果是否正确:
# 查看每个文件对应的变量总数 df2 %>% select(File, var.n)
内容的提问来源于stack exchange,提问作者Hi CLH
相关产品推荐
相关产品推荐

