批量rbind.fill许多数据帧 [英] Mass rbind.fill for many data frames

问题描述

我试图将许多数据帧绑定在一起成为一个巨大的数据框。数据框按顺序命名，第一个命名为 df1 ，第二个命名为 df2 ，第三个命名为 df3 等。目前，我通过显式输入数据框的名称将这些数据框绑定在一起;然而，对于非常大量的数据帧（预计大约有10,000个总数据帧），这是不理想的。

这是一个工作示例：

 ＃加载所需的包
库（plyr）
 
＃生成100个示例数据帧
 for我在1：100）{
 assign（paste0（'df'，i），data.frame（x = rep（1：100），
y = seq（from = 1，
 to = 1000，
 length = 100）））
} 
} 
 
＃创建一个主合并数据框
 df<  -  rbind.fill （df1，df2，df3，df4，df5，df6，df7，df8，df9，df10，
 df11，df12，df13，df14，df15，df16，df17，df18，df19，df20，
 df21 ，df22，df23，df24，df25，df26，df27，df28，df29，df30，
 df31，df32，df33，df34，df35，df36，df37，df38，df39，df40，
 df41，df42 ，df43，df44，df45，df46，df47，df48，df49，d f50，
 df51，df52，df53，df54，df55，df56，df57，df58，df59，df60，
 df61，df62，df63，df64，df65，df66，df67，df68，df69，df70， 
 df71，df72，df73，df74，df75，df76，df77，df78，df79，df80，
 df81，df82，df83，df84，df85，df86，df87，df88，df89，df90，
 df91，df92，df93，df94，df95，df96，df97，df98，df99，df100）
  

任何想法如何优化这将不胜感激。

解决方案

或与 data.table： ：rbindlist 。设置填充为true以处理缺失的值（如果有的话）。

 <$ c $填充= TRUE）
 
xy 
 1：1 1.00000 
 2：2 11.09091 
 3： 3 21.18182 
 4：4 31.27273 
 5：5 41.36364 
 --- 
 9996：96 959.63636 
 9997：97 969.72727 
 9998：98 979.81818 
 9999：99 989.90909 
 10000：100 1000.00000 
  

I am attempting to row bind many data frames together into a single massive data frame. The data frames are named sequentially with the first named df1, the second named df2, the third named df3, etc. Currently, I have bound these data frames together by explicitly typing the names of the data frames; however, for a very large number of data frames (roughly 10,000 total data frames are expected) this is suboptimal.

Here is a working example:

# Load required packages
library(plyr)

# Generate 100 example data frames
for(i in 1:100){
   assign(paste0('df', i), data.frame(x = rep(1:100),
                                      y = seq(from = 1,
                                              to = 1000,
                                              length = 100)))
  }
}

# Create a master merged data frame
 df <- rbind.fill(df1, df2, df3, df4, df5, df6, df7, df8, df9, df10,
             df11, df12, df13, df14, df15, df16, df17, df18, df19, df20,
             df21, df22, df23, df24, df25, df26, df27, df28, df29, df30,
             df31, df32, df33, df34, df35, df36, df37, df38, df39, df40,
             df41, df42, df43, df44, df45, df46, df47, df48, df49, df50,
             df51, df52, df53, df54, df55, df56, df57, df58, df59, df60,
             df61, df62, df63, df64, df65, df66, df67, df68, df69, df70,
             df71, df72, df73, df74, df75, df76, df77, df78, df79, df80,
             df81, df82, df83, df84, df85, df86, df87, df88, df89, df90,
             df91, df92, df93, df94, df95, df96, df97, df98, df99, df100)

Any thoughts on how to optimize this would be greatly appreciated.

解决方案

Or with data.table::rbindlist . Set fill to true to take care of the missing values, if any.

rbindlist(mget(ls(pattern="df")), fill=TRUE)

         x          y
    1:   1    1.00000
    2:   2   11.09091
    3:   3   21.18182
    4:   4   31.27273
    5:   5   41.36364
   ---               
 9996:  96  959.63636
 9997:  97  969.72727
 9998:  98  979.81818
 9999:  99  989.90909
10000: 100 1000.00000

这篇关于批量rbind.fill许多数据帧的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！