语句拼接_第2课：一个周末学会R语言数据处理：表拆分和拼接

从一线收集了两百个文件，要整合到一起？总部一张全国两百个城市的汇总表，拆成两百个小文件？开什么玩笑，难道要复制粘贴到天荒地老。。。
不用这么麻烦，一个循环，一个语句，实现快速表拆分和表拼接，从此告别复制粘贴

本节测试数据：链家上海小区测试数据提取码:9172

类似北蔡这样的商圈总共有215个

上海215个商圈，每个拆分成一个文件，怎么操作？

一、dplyr包之filter操作

#读取文件数据
#install.packages('readr')
library(readr)
file <- readr::read_csv("D:/从0到1学习数据科学/xiaoqu.csv",locale = locale(encoding = "GB18030"))
#提取商圈不同的商圈
biz_circle <- unique(file$xiaoqu_bizcircle)#用dplyr包的filter操作循环拆分数据
#install.packages('dplyr')
library(dplyr)
begin_time <- Sys.time()
for (circle in biz_circle) {#拼接文件名和文件路径file_name = paste(circle,'.csv',sep = '')file_path = paste('D:/从0到1学习数据科学/拆分文件/',file_name,sep = '')#过滤操作，注意%>%为管道符号file_bizcircle <- file %>% filter(xiaoqu_bizcircle == circle)#写文件write_csv(file_bizcircle,file_path)
}
end_time <- Sys.time()#测试一下拆表运行时间
print(end_time - begin_time)

step 1：读取文件，不明之处可看课程表快速读取

step 2：unique函数获取文件中商圈的不同值

unique函数获取文件中商圈的不同值

step 3：for循环，循环中的circle为之前unique函数获取到的不同商圈名称

step 4：paste函数拼接文件名以及文件路径名

将字符串拼接，sep表示拼接时的连接符，默认为空格

举例：

输入：file_name = paste('北蔡','.csv',sep = '')

输出file_name：'北蔡.csv'

step 5：filter函数过滤出不同商圈的小区

file %>% filter(xiaoqu_bizcircle == circle)

等价于

filter(file, xiaoqu_bizcircle == circle)

step 6：我们来看下运行结果

拆分了215个项目

step 7：看下总的运行时间，用了0.58秒

运行时间，0.58秒

一线有200张小表，要拼接成一张大表，怎么操作？

二、rbind操作数据合并

#获取文件夹中的文件名
fileName <- dir('D:/从0到1学习数据科学/拆分文件/')
#拼接文件路径
file_path <- paste('D:/从0到1学习数据科学/拆分文件/',fileName,sep = '')#循环读入
file_conbind <- data_frame()
for (path in file_path) {file_bizcircle <- read_csv(path)#rbind拼接数据file_conbind <- rbind(file_conbind,file_bizcircle)
}

step 1：dir()函数获取文件夹中的所有文件名

step 2：通过paste()函数拼接文件的读取地址

step 3：for循环，path为file_path中的每一个文件地址

step 4：rbind()函数拼接数据，获得最终的结果