时间戳

首页 > 解决方案 > 使用 R 跨文件夹中的文件的错误 map_df

r - 使用 R 跨文件夹中的文件的错误 map_df

问题描述

所以我有一个文件文件夹，每个“几乎”相同的 CSV 文件。它们每个看起来都像：

EMP ID  WORK DATE   WORK HOURS   JOB TITLE  MGMT CTR
  002    01/02/2019          8     Janitor        44
  003    01/03/2019         29     Analyst       044
  004    01/02/2019        400      Barber         2
   ...

我说几乎是因为其中一些有一些额外的变量，但我只关心其中两个。

使用下面的代码，理论上我可以根据WORK DATE和WORK HRS（我关心的两个变量）将它们组合在一起。

test <- list.files(path = "path", full.names = TRUE) %>%
  map_dfr(read.csv) %>%
  select(WORK.DATE,WORK.HRS) %>% 
  group_by(WORK.DATE) %>%
  summarize(hour_sum = sum(WORK.HRS))

我这样做，我得到一个错误：

Error: Can't combine `..1$JOB.NUM` <double> and `..2$JOB.NUM` <character>.

这些变量似乎来自一两个奇怪的文件。但我不需要它们，我认为 select 语句会有所帮助......它没有。我试过readr's read_csv。

test <- list.files(path = "path", full.names = TRUE) %>%
    map_dfr(read_csv) %>%
    select(`WORK DATE`,`WORK HRS`) %>% 
  group_by(`WORK DATE`) %>%
    summarize(hour_sum = sum(`WORK HRS`))

并得到一个类似的错误：

Error: Can't combine `MGMT CTR` <double> and `MGMT CTR` <character>.

真的，我只关心这两个变量，只要WORK DATE是字符或日期并且WORK HRS是整数，我们就可以了。

标签： rcsvtidyversepurrr

解决方案

问题是某些数据集的列与类型不匹配。一个选项将在其中转换为单一类型map_df，然后更改类型

library(dplyr)
library(purrr)
library(readr)
library(lubridate)
list.files(path = "path", full.names = TRUE) %>%
     map_dfr(~ read_csv(.x) %>% 
                  mutate(across(everything(), as.character))) %>% 
     select(`WORK DATE`,`WORK HRS`) %>% 
     type.convert(as.is = TRUE) %>%
     group_by(`WORK DATE` = mdy(`WORK DATE`)) %>%
     summarize(hour_sum = sum(`WORK HRS`)) # assume that "WORK HRS" is numeric

推荐阅读