Nxirrni kornizat e të dhënave nga lista dhe emërtoni ato

këtu po ndodhin disa gjëra. Ju mund të gjeni shumë miq, nëse jepni një shembull të riprodhueshëm dhe na tregoni se ku shkojnë gjërat keq. Më poshtë është një qasje e bazuar në {tidyverse}. Funksionon me krijimin e një tabele të mbivendosur për secilin nga vendet tuaja. Shpresoj se do t'ju çojë atje ku dëshironi të shkoni dhe ju mund ta përshtatni atë me problemin tuaj.

1.) filloni Si ushtrimi i parë lidhni kornizat tuaja të ndryshme të të dhënave në një të madhe. Unë simuloj disa të dhëna për të krijuar një kornizë të dhënash. Lexoni se si ta bëni këtë, nëse kjo tashmë është një problem për ju.

library(tidyverse)
set.seed(666) # set seed and simulate data ---------------------------------
Airport <- rep(c("RJOO","LFPG","EHAM"), 5)
Day <- sample(c( as.POSIXct("1998-01-01")
                 ,as.POSIXct("1998-01-02")
                 ,as.POSIXct("1998-01-03") ), 15, replace = TRUE)
Average <- sample(c(12:25), 15, replace = TRUE)

df <- tibble(Airport, Day, Average)

Kjo jep:

df
# A tibble: 15 x 3
   Airport Day                 Average
   <chr>   <dttm>                <int>
 1 RJOO    1998-01-02 00:00:00      19
 2 LFPG    1998-01-02 00:00:00      18
 3 EHAM    1998-01-03 00:00:00      13
 4 RJOO    1998-01-03 00:00:00      12
 5 LFPG    1998-01-02 00:00:00      21
 6 EHAM    1998-01-01 00:00:00      17
 7 RJOO    1998-01-01 00:00:00      19
 8 LFPG    1998-01-01 00:00:00      20
 9 EHAM    1998-01-02 00:00:00      15
10 RJOO    1998-01-03 00:00:00      22
11 LFPG    1998-01-01 00:00:00      24
12 EHAM    1998-01-01 00:00:00      19
13 RJOO    1998-01-03 00:00:00      21
14 LFPG    1998-01-03 00:00:00      19
15 EHAM    1998-01-02 00:00:00      18

2.) shoqërimi i emrave të shteteve nuk është e qartë nga shembulli juaj se si i lidhni emrat e shteteve. Unë supozoj se ju e dini rrugën tuaj. Treguesit e vendndodhjes së aeroportit ICAO (në thelb 2 shkronjat e para ose të para) ju japin vendin. Nëse keni një tabelë kërkimi, mund të bashkoni treguesin e vendndodhjes (kodi me 4 shkronja, RJOO) me shtetin. Ju mund të bashkoni tabelat e kërkimit me left_join() të {dplyr}.

Duke qenë dembel përdor një case_when() për t'u rrokullisur. padyshim, mund t'ju duhet ta bëni këtë ndryshe.

# associate country names with data
df <- df %>% 
  mutate(Country = case_when(    # a lazy look up for country name creation -----
                  Airport == "RJOO" ~ "Japan"
                , Airport == "LFPG" ~ "France"
                , Airport == "EHAM" ~ "Netherlands"
                , TRUE ~ as.character(NA) )
   ) #----------------------------------------------------------------------------

Ju e dini se keni sa vijon:

# A tibble: 15 x 4
   Airport Day                 Average Country    
   <chr>   <dttm>                <int> <chr>      
 1 RJOO    1998-01-02 00:00:00      19 Japan      
 2 LFPG    1998-01-02 00:00:00      18 France     
 3 EHAM    1998-01-03 00:00:00      13 Netherlands
 4 RJOO    1998-01-03 00:00:00      12 Japan      
 5 LFPG    1998-01-02 00:00:00      21 France     
 6 EHAM    1998-01-01 00:00:00      17 Netherlands
 7 RJOO    1998-01-01 00:00:00      19 Japan      
 8 LFPG    1998-01-01 00:00:00      20 France     
 9 EHAM    1998-01-02 00:00:00      15 Netherlands
10 RJOO    1998-01-03 00:00:00      22 Japan      
11 LFPG    1998-01-01 00:00:00      24 France     
12 EHAM    1998-01-01 00:00:00      19 Netherlands
13 RJOO    1998-01-03 00:00:00      21 Japan      
14 LFPG    1998-01-03 00:00:00      19 France     
15 EHAM    1998-01-02 00:00:00      18 Netherlands

3.) korniza e të dhënave të mbivendosur Krijimi i një kornize të të dhënave të mbivendosur është i thjeshtë.

df <- df %>% group_by(Country) %>% nest()
df
# A tibble: 3 x 2
# Groups:   Country [3]
  Country     data            
  <chr>       <list>          
1 Japan       <tibble [5 x 3]>
2 France      <tibble [5 x 3]>
3 Netherlands <tibble [5 x 3]>

4.) duke përdorur një tabelë të ndërthurur për të shkruar pjesët Fillimisht ne krijojmë një funksion që na ndihmon të shkruajmë pjesën e vendit të kornizës së të dhënave/tibble tonë.

# utility function to write out country parts
write_country <- function(.ctry, .data){
  fn <- paste0(.ctry, ".csv")   # construct a filename to your liking
  readr::write_csv(.data, fn) 
}

# as we write out and the function does not return
# we use purrr's walk instead of map to iterate over the nested data
walk2( .x = df$Country       # you have 2 variables, thus use walk2
     , .y = df$data          # define .x and .y vector
     , .f = ~ write_country(.x, .y)  # supply your function, watch the tilde ~
)

# you will now see 3 csv files: Japan.csv, France.csv, and Netherlands.csv

Kjo recetë duhet të funksionojë për ju. Vetëm sigurohuni që të përcaktoni emrin e skedarit duke marrë parasysh strukturën e dosjes dhe vendin ku dëshironi ta ruani atë, etj.

Bëra sa vijon: Kisha një listë vetëm me emrat e skedarëve që fillimisht i përdora për të importuar CSV-të e paredaktuara në radhë të parë.

filenames <- gsub("\\.csv$","", list.files(pattern="\\.csv$")) 
for(i in filenames){
assign(i, read.csv(paste(i, ".csv", sep="")))
}

Ju ndoshta mund ta bëni këtë në një mënyrë tjetër nëse i importoni ato ndryshe si diçka e tillë

filenames<-c("France", "Greece")

airport="LFMD"
days=as.Date("1988-2-15")
temperature=3
France<-data.frame(airport,days,temperature)


airport2="LGEL"
days2=as.Date("1994-1-11")
temperature2=15
Greece<-data.frame(airport2,days2,temperature2)

mylist<-list(France, Greece)

Pasi ta kaloni këtë nëpër disa funksione, për të ruajtur ato të redaktuara në skedar

    for(i in 1:length(filenames)){
  write.csv(mylist[[i]], file = paste0("D:/Weather/Modified/", filenames[i],".csv"), row.names = TRUE)
}

E cila më jep skedarët e ruajtur me emrat që dëshiroj.