如何在R中为合并后的data.table添加源文件名列？

嘿，这个需求太常见啦！我平时处理多文件合并的时候，总会需要保留源文件信息，刚好有几个实用的R方案能完美解决你的问题，不管你是想扩展现有代码，还是找更高效的方法，都能覆盖到：

方案1：纯data.table原生实现 #

这是最贴合你需求的方案，完全基于data.table包，不需要额外依赖。核心思路是循环读取每个文件时，新增一列存储文件名，最后用rbindlist合并所有表：

library(data.table)

# 第一步：获取目标文件列表（根据你的文件类型调整pattern，比如\\.txt$）
file_list <- list.files(
  path = "./your_data_directory",  # 替换成你的文件所在路径
  pattern = "\\.csv$",             # 匹配csv文件，按需修改
  full.names = TRUE                 # 保留完整文件路径，方便后续溯源
)

# 第二步：循环读取+新增文件名列+合并
combined_dt <- rbindlist(
  lapply(file_list, function(file_path) {
    # 读取文件，同时添加filename列
    fread(file_path)[, filename := basename(file_path)]
    # 如果你需要完整路径而非仅文件名，就改成 filename := file_path
  })
)

方案2：结合purrr简化代码 #

如果你习惯用tidyverse风格的代码，用purrr::map_dfr可以让代码更简洁，自动完成合并操作，最后转成data.table即可：

library(data.table)
library(purrr)
library(dplyr)

file_list <- list.files(path = "./your_data_directory", pattern = "\\.csv$", full.names = TRUE)

combined_dt <- map_dfr(file_list, ~ {
  fread(.x) %>% mutate(filename = basename(.x))
}) %>% as.data.table()

方案3：大文件首选——用vroom快速加载 #

如果你的文件体积很大，vroom包的读取速度比fread还要快，而且它自带id参数，能直接帮你添加源文件列，一步到位：

library(data.table)
library(vroom)

file_list <- list.files(path = "./your_data_directory", pattern = "\\.csv$", full.names = TRUE)

# 直接用id参数指定列名，自动添加源文件路径
combined_dt <- vroom(file_list, id = "filename") %>% as.data.table()

# 如果只想要文件名而非完整路径，后续处理一下：
combined_dt[, filename := basename(filename)]

如何扩展你现有的代码？ #

如果你已经有读取单个文件的函数，只需要在函数里新增一行添加文件名的代码就行。比如你原来的读取函数是：

read_my_data <- function(file) {
  fread(file)
}

修改成：

read_my_data_with_source <- function(file) {
  dt <- fread(file)
  dt[, filename := basename(file)]  # 新增这一行
  return(dt)
}

然后用原来的循环逻辑调用这个新函数，再合并就可以了：

combined_dt <- rbindlist(lapply(file_list, read_my_data_with_source))

小总结 #

• 如果追求纯data.table生态，方案1最稳定；
• 喜欢简洁代码选方案2；
• 大文件场景优先方案3，速度优势明显；
• 扩展现有代码的话，只需要在读取函数里加一列文件名即可。

内容的提问来源于stack exchange，提问作者Kulis