1 引言

你肯定在一些语言培训软文中看到一些所谓大厂用python快速处理excel表格的大神操作。 本文介绍如何用R语言快速批量操作.xlsx或.csv文件，几行代码立地成神。

2 准备工作

2.1 加载宏包

library(tidyverse)
library(openxlsx)

2.2 建立目录

# dir.create("D:/data/iris", recursive = T)

3 批量写出操作

3.1 批量写出.csv

任务01：把一个含有分类变量的数据集以此分类变量n个值为单位拆分成n个数据子集并保存成以拆分变量值为名的多个.csv文件

以iris为例，按Species变量的三个值setosa、versicolor、virginica为单位拆分成3个子集，并分别保存为setosa.csv、versicolor.csv、virginica.csv。

3.1.1 拆分数据子集

#为每个物种随机抽样5个观测做为最小可重复数据集，方便结果展示

iris_sample <- iris %>%
  group_by(Species) %>% 
  slice_sample(n = 5) %>% 
  ungroup()

iris_sample
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
5.0 3.4 1.6 0.4 setosa
4.6 3.2 1.4 0.2 setosa
5.1 3.4 1.5 0.2 setosa
5.0 3.6 1.4 0.2 setosa
5.1 3.5 1.4 0.3 setosa
5.7 3.0 4.2 1.2 versicolor
4.9 2.4 3.3 1.0 versicolor
5.5 2.6 4.4 1.2 versicolor
6.3 2.5 4.9 1.5 versicolor
6.9 3.1 4.9 1.5 versicolor
6.2 3.4 5.4 2.3 virginica
7.2 3.2 6.0 1.8 virginica
6.9 3.1 5.1 2.3 virginica
5.6 2.8 4.9 2.0 virginica
7.4 2.8 6.1 1.9 virginica 
iris_subset <- iris_sample %>% 
  nest_by(Species, .keep = T)
iris_subset
Species data
setosa 5.0, 4.6, 5.1, 5.0, 5.1, 3.4, 3.2, 3.4, 3.6, 3.5, 1.6, 1.4, 1.5, 1.4, 1.4, 0.4, 0.2, 0.2, 0.2, 0.3, 1.0, 1.0, 1.0, 1.0, 1.0
versicolor 5.7, 4.9, 5.5, 6.3, 6.9, 3.0, 2.4, 2.6, 2.5, 3.1, 4.2, 3.3, 4.4, 4.9, 4.9, 1.2, 1.0, 1.2, 1.5, 1.5, 2.0, 2.0, 2.0, 2.0, 2.0
virginica 6.2, 7.2, 6.9, 5.6, 7.4, 3.4, 3.2, 3.1, 2.8, 2.8, 5.4, 6.0, 5.1, 4.9, 6.1, 2.3, 1.8, 2.3, 2.0, 1.9, 3.0, 3.0, 3.0, 3.0, 3.0

3.1.2 批量写出到以拆分变量为名的.csv

iris_subset %>% 
  pwalk( ~ write.csv(..2, paste0("D:/data/iris/", ..1, ".csv"), row.names = F))
  #pwalk只执行操作不返回结果，请到上述路径下查看生成的文件

3.2 批量写出.xlsx

3.2.1 拆分数据子集

iris_subset <- iris_sample %>% 
  nest_by(Species, .keep = T)
iris_subset
Species data
setosa 5.0, 4.6, 5.1, 5.0, 5.1, 3.4, 3.2, 3.4, 3.6, 3.5, 1.6, 1.4, 1.5, 1.4, 1.4, 0.4, 0.2, 0.2, 0.2, 0.3, 1.0, 1.0, 1.0, 1.0, 1.0
versicolor 5.7, 4.9, 5.5, 6.3, 6.9, 3.0, 2.4, 2.6, 2.5, 3.1, 4.2, 3.3, 4.4, 4.9, 4.9, 1.2, 1.0, 1.2, 1.5, 1.5, 2.0, 2.0, 2.0, 2.0, 2.0
virginica 6.2, 7.2, 6.9, 5.6, 7.4, 3.4, 3.2, 3.1, 2.8, 2.8, 5.4, 6.0, 5.1, 4.9, 6.1, 2.3, 1.8, 2.3, 2.0, 1.9, 3.0, 3.0, 3.0, 3.0, 3.0

3.2.2 批量写出到以拆分变量为名的.xlsx

任务02：把一个含有分类变量的数据集以此分类变量n个值为单位拆分成n个数据子集并保存成以指定名称+数字序号为名的多个.xlsx文件

以iris为例，按Species变量的三个值setosa、versicolor、virginica为单位拆分成3个子集，并分别保存为iris1.xlsx、iris2.xlsx、iris3.xlsx。

iris |> 
  split(iris$Species) |> 
  walk2(1:3, 
       ~ write.xlsx(..1, paste0("D:/data/iris/iris", ..2, ".xlsx")))

任务03：把一个含有分类变量的数据集以此分类变量n个值为单位拆分成n个数据子集并保存成以拆分变量值为名的多个.xlsx文件

以iris为例，按Species变量的三个值setosa、versicolor、virginica为单位拆分成3个子集，并分别保存为setosa.xlsx、versicolor.xlsx、virginica.xlsx。

iris_subset %>% 
  pwalk( 
    ~ write.xlsx(..2, paste0("D:/data/iris/", ..1, ".xlsx")))
  #pwalk只执行操作不返回结果，请到上述路径下查看生成的文件

3.2.3 批量写出到默认sheet名的多sheet的.xlsx

任务04：把一个含有分类变量的数据集以此分类变量n个值为单位拆分成n个数据子集并保存到默认sheet名（一般为sheet1,sheet2……）的一个.xlsx文件

以iris为例，按Species变量的三个值setosa、versicolor、virginica为单位拆分成3个子集，并分别保存到sheet名分别为为sheet1,sheet2,sheet3的三个sheets的iris.xlsx。

iris_sample %>% 
  group_split(Species, .keep = T) %>% 
  write.xlsx("D:/data/iris/iris1.xlsx")
  #只执行操作不返回结果，请到上述路径下查看生成的文件

3.2.4 批量写出到以拆分变量为sheet名的多sheet的.xlsx

任务05：把一个含有分类变量的数据集以此分类变量n个值为单位拆分成n个数据子集并保存成以拆分变量值为sheet名的一个.xlsx文件

以iris为例，按Species变量的三个值setosa、versicolor、virginica为单位拆分成3个子集，并分别保存到sheet名分别为为setosa、versicolor、virginica的三个sheets的iris_sheet.xlsx。

iris_sample |> 
  split(iris$Species) |> 
  write.xlsx("D:/data/iris/iris_sheet.xlsx")
#只执行操作不返回结果，请到上述路径下查看生成的文件

4 批量读入操作

任务06：把指定目录中的所有.csv文件读入内存并合并为一个数据集（数据集结构和变量名必须相同，如不相同需做前期处理） > 把D:/data/iris/目录下的.csv读入，并同步将子集合并为一个数据集。

4.1 .csv格式

list.files("D:/data/iris/", pattern = '.csv', full.names = T) %>% 
  map_dfr(read.csv, header = T)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species gender
6.3 3.3 6.0 2.5 virginica 1
5.8 2.7 5.1 1.9 virginica 1
6.3 2.9 5.6 1.8 virginica 1
6.5 3.0 5.8 2.2 virginica 1
4.9 2.5 4.5 1.7 virginica 1
6.8 3.0 5.5 2.1 virginica 1
7.7 2.8 6.7 2.0 virginica 1
6.7 3.3 5.7 2.1 virginica 1
6.1 3.0 4.9 1.8 virginica 1
6.4 2.8 5.6 2.1 virginica 1
7.2 3.0 5.8 1.6 virginica 1
7.4 2.8 6.1 1.9 virginica 1
7.9 3.8 6.4 2.0 virginica 1
6.4 2.8 5.6 2.2 virginica 1
6.3 2.8 5.1 1.5 virginica 1
7.7 3.0 6.1 2.3 virginica 1
6.0 3.0 4.8 1.8 virginica 1
6.7 3.1 5.6 2.4 virginica 1
6.9 3.1 5.1 2.3 virginica 1
5.8 2.7 5.1 1.9 virginica 1
6.7 3.3 5.7 2.5 virginica 1
6.3 2.5 5.0 1.9 virginica 1
6.2 3.4 5.4 2.3 virginica 1
4.9 3.0 1.4 0.2 setosa 1
4.6 3.1 1.5 0.2 setosa 1
5.0 3.6 1.4 0.2 setosa 1
4.8 3.4 1.6 0.2 setosa 1
4.8 3.0 1.4 0.1 setosa 1
5.8 4.0 1.2 0.2 setosa 1
5.7 4.4 1.5 0.4 setosa 1
5.1 3.8 1.5 0.3 setosa 1
5.4 3.4 1.7 0.2 setosa 1
5.1 3.7 1.5 0.4 setosa 1
4.6 3.6 1.0 0.2 setosa 1
4.8 3.4 1.9 0.2 setosa 1
5.0 3.0 1.6 0.2 setosa 1
5.0 3.4 1.6 0.4 setosa 1
5.2 3.5 1.5 0.2 setosa 1
5.2 3.4 1.4 0.2 setosa 1
5.4 3.4 1.5 0.4 setosa 1
5.2 4.1 1.5 0.1 setosa 1
5.5 4.2 1.4 0.2 setosa 1
4.9 3.1 1.5 0.2 setosa 1
5.5 3.5 1.3 0.2 setosa 1
4.9 3.6 1.4 0.1 setosa 1
4.4 3.0 1.3 0.2 setosa 1
5.1 3.4 1.5 0.2 setosa 1
4.4 3.2 1.3 0.2 setosa 1
5.1 3.8 1.9 0.4 setosa 1
5.1 3.8 1.6 0.2 setosa 1
5.3 3.7 1.5 0.2 setosa 1
5.0 3.3 1.4 0.2 setosa 1
7.0 3.2 4.7 1.4 versicolor 1
6.4 3.2 4.5 1.5 versicolor 1
6.9 3.1 4.9 1.5 versicolor 1
5.5 2.3 4.0 1.3 versicolor 1
6.5 2.8 4.6 1.5 versicolor 1
5.7 2.8 4.5 1.3 versicolor 1
4.9 2.4 3.3 1.0 versicolor 1
5.2 2.7 3.9 1.4 versicolor 1
5.0 2.0 3.5 1.0 versicolor 1
5.9 3.0 4.2 1.5 versicolor 1
5.6 2.9 3.6 1.3 versicolor 1
6.7 3.1 4.4 1.4 versicolor 1
5.9 3.2 4.8 1.8 versicolor 1
6.3 2.5 4.9 1.5 versicolor 1
6.7 3.0 5.0 1.7 versicolor 1
6.0 2.7 5.1 1.6 versicolor 1
6.0 3.4 4.5 1.6 versicolor 1
6.7 3.1 4.7 1.5 versicolor 1
6.3 2.3 4.4 1.3 versicolor 1
5.6 3.0 4.1 1.3 versicolor 1
5.8 2.6 4.0 1.2 versicolor 1
5.0 2.3 3.3 1.0 versicolor 1
5.7 2.9 4.2 1.3 versicolor 1
6.2 2.9 4.3 1.3 versicolor 1
5.1 2.5 3.0 1.1 versicolor 1
5.0 3.4 1.6 0.4 setosa NA
4.6 3.2 1.4 0.2 setosa NA
5.1 3.4 1.5 0.2 setosa NA
5.0 3.6 1.4 0.2 setosa NA
5.1 3.5 1.4 0.3 setosa NA
5.1 3.4 1.5 0.2 setosa NA
5.1 3.8 1.5 0.3 setosa NA
4.6 3.2 1.4 0.2 setosa NA
5.0 3.5 1.6 0.6 setosa NA
4.7 3.2 1.3 0.2 setosa NA
6.3 2.5 4.9 1.5 versicolor NA
5.5 2.6 4.4 1.2 versicolor NA
6.0 3.4 4.5 1.6 versicolor NA
4.9 2.4 3.3 1.0 versicolor NA
5.5 2.4 3.7 1.0 versicolor NA
6.9 3.1 5.1 2.3 virginica NA
5.8 2.7 5.1 1.9 virginica NA
5.8 2.7 5.1 1.9 virginica NA
5.8 2.8 5.1 2.4 virginica NA
6.4 3.1 5.5 1.8 virginica NA
5.7 3.0 4.2 1.2 versicolor NA
4.9 2.4 3.3 1.0 versicolor NA
5.5 2.6 4.4 1.2 versicolor NA
6.3 2.5 4.9 1.5 versicolor NA
6.9 3.1 4.9 1.5 versicolor NA
6.2 3.4 5.4 2.3 virginica NA
7.2 3.2 6.0 1.8 virginica NA
6.9 3.1 5.1 2.3 virginica NA
5.6 2.8 4.9 2.0 virginica NA
7.4 2.8 6.1 1.9 virginica NA

or

list.files("D:/data/iris/", pattern = 'iris\\d.csv', full.names = T) %>% 
  readr::read_csv(show_col_types = F,  #readr需2.0.0以上
                  id = "source")
source Sepal.Length Sepal.Width Petal.Length Petal.Width Species gender
D:/data/iris/iris1.csv 6.3 3.3 6.0 2.5 virginica 1
D:/data/iris/iris1.csv 5.8 2.7 5.1 1.9 virginica 1
D:/data/iris/iris1.csv 6.3 2.9 5.6 1.8 virginica 1
D:/data/iris/iris1.csv 6.5 3.0 5.8 2.2 virginica 1
D:/data/iris/iris1.csv 4.9 2.5 4.5 1.7 virginica 1
D:/data/iris/iris1.csv 6.8 3.0 5.5 2.1 virginica 1
D:/data/iris/iris1.csv 7.7 2.8 6.7 2.0 virginica 1
D:/data/iris/iris1.csv 6.7 3.3 5.7 2.1 virginica 1
D:/data/iris/iris1.csv 6.1 3.0 4.9 1.8 virginica 1
D:/data/iris/iris1.csv 6.4 2.8 5.6 2.1 virginica 1
D:/data/iris/iris1.csv 7.2 3.0 5.8 1.6 virginica 1
D:/data/iris/iris1.csv 7.4 2.8 6.1 1.9 virginica 1
D:/data/iris/iris1.csv 7.9 3.8 6.4 2.0 virginica 1
D:/data/iris/iris1.csv 6.4 2.8 5.6 2.2 virginica 1
D:/data/iris/iris1.csv 6.3 2.8 5.1 1.5 virginica 1
D:/data/iris/iris1.csv 7.7 3.0 6.1 2.3 virginica 1
D:/data/iris/iris1.csv 6.0 3.0 4.8 1.8 virginica 1
D:/data/iris/iris1.csv 6.7 3.1 5.6 2.4 virginica 1
D:/data/iris/iris1.csv 6.9 3.1 5.1 2.3 virginica 1
D:/data/iris/iris1.csv 5.8 2.7 5.1 1.9 virginica 1
D:/data/iris/iris1.csv 6.7 3.3 5.7 2.5 virginica 1
D:/data/iris/iris1.csv 6.3 2.5 5.0 1.9 virginica 1
D:/data/iris/iris1.csv 6.2 3.4 5.4 2.3 virginica 1
D:/data/iris/iris2.csv 4.9 3.0 1.4 0.2 setosa 1
D:/data/iris/iris2.csv 4.6 3.1 1.5 0.2 setosa 1
D:/data/iris/iris2.csv 5.0 3.6 1.4 0.2 setosa 1
D:/data/iris/iris2.csv 4.8 3.4 1.6 0.2 setosa 1
D:/data/iris/iris2.csv 4.8 3.0 1.4 0.1 setosa 1
D:/data/iris/iris2.csv 5.8 4.0 1.2 0.2 setosa 1
D:/data/iris/iris2.csv 5.7 4.4 1.5 0.4 setosa 1
D:/data/iris/iris2.csv 5.1 3.8 1.5 0.3 setosa 1
D:/data/iris/iris2.csv 5.4 3.4 1.7 0.2 setosa 1
D:/data/iris/iris2.csv 5.1 3.7 1.5 0.4 setosa 1
D:/data/iris/iris2.csv 4.6 3.6 1.0 0.2 setosa 1
D:/data/iris/iris2.csv 4.8 3.4 1.9 0.2 setosa 1
D:/data/iris/iris2.csv 5.0 3.0 1.6 0.2 setosa 1
D:/data/iris/iris2.csv 5.0 3.4 1.6 0.4 setosa 1
D:/data/iris/iris2.csv 5.2 3.5 1.5 0.2 setosa 1
D:/data/iris/iris2.csv 5.2 3.4 1.4 0.2 setosa 1
D:/data/iris/iris2.csv 5.4 3.4 1.5 0.4 setosa 1
D:/data/iris/iris2.csv 5.2 4.1 1.5 0.1 setosa 1
D:/data/iris/iris2.csv 5.5 4.2 1.4 0.2 setosa 1
D:/data/iris/iris2.csv 4.9 3.1 1.5 0.2 setosa 1
D:/data/iris/iris2.csv 5.5 3.5 1.3 0.2 setosa 1
D:/data/iris/iris2.csv 4.9 3.6 1.4 0.1 setosa 1
D:/data/iris/iris2.csv 4.4 3.0 1.3 0.2 setosa 1
D:/data/iris/iris2.csv 5.1 3.4 1.5 0.2 setosa 1
D:/data/iris/iris2.csv 4.4 3.2 1.3 0.2 setosa 1
D:/data/iris/iris2.csv 5.1 3.8 1.9 0.4 setosa 1
D:/data/iris/iris2.csv 5.1 3.8 1.6 0.2 setosa 1
D:/data/iris/iris2.csv 5.3 3.7 1.5 0.2 setosa 1
D:/data/iris/iris2.csv 5.0 3.3 1.4 0.2 setosa 1
D:/data/iris/iris3.csv 7.0 3.2 4.7 1.4 versicolor 1
D:/data/iris/iris3.csv 6.4 3.2 4.5 1.5 versicolor 1
D:/data/iris/iris3.csv 6.9 3.1 4.9 1.5 versicolor 1
D:/data/iris/iris3.csv 5.5 2.3 4.0 1.3 versicolor 1
D:/data/iris/iris3.csv 6.5 2.8 4.6 1.5 versicolor 1
D:/data/iris/iris3.csv 5.7 2.8 4.5 1.3 versicolor 1
D:/data/iris/iris3.csv 4.9 2.4 3.3 1.0 versicolor 1
D:/data/iris/iris3.csv 5.2 2.7 3.9 1.4 versicolor 1
D:/data/iris/iris3.csv 5.0 2.0 3.5 1.0 versicolor 1
D:/data/iris/iris3.csv 5.9 3.0 4.2 1.5 versicolor 1
D:/data/iris/iris3.csv 5.6 2.9 3.6 1.3 versicolor 1
D:/data/iris/iris3.csv 6.7 3.1 4.4 1.4 versicolor 1
D:/data/iris/iris3.csv 5.9 3.2 4.8 1.8 versicolor 1
D:/data/iris/iris3.csv 6.3 2.5 4.9 1.5 versicolor 1
D:/data/iris/iris3.csv 6.7 3.0 5.0 1.7 versicolor 1
D:/data/iris/iris3.csv 6.0 2.7 5.1 1.6 versicolor 1
D:/data/iris/iris3.csv 6.0 3.4 4.5 1.6 versicolor 1
D:/data/iris/iris3.csv 6.7 3.1 4.7 1.5 versicolor 1
D:/data/iris/iris3.csv 6.3 2.3 4.4 1.3 versicolor 1
D:/data/iris/iris3.csv 5.6 3.0 4.1 1.3 versicolor 1
D:/data/iris/iris3.csv 5.8 2.6 4.0 1.2 versicolor 1
D:/data/iris/iris3.csv 5.0 2.3 3.3 1.0 versicolor 1
D:/data/iris/iris3.csv 5.7 2.9 4.2 1.3 versicolor 1
D:/data/iris/iris3.csv 6.2 2.9 4.3 1.3 versicolor 1
D:/data/iris/iris3.csv 5.1 2.5 3.0 1.1 versicolor 1

4.2 .xlsx格式—单sheet型

任务07：把指定目录中的所有单sheet的.xlsx文件读入内存并合并为一个数据集（数据集结构和变量名必须相同，如不相同需做前期处理） > 把D:/data/iris/目录下的以s或v开头的.xlsx读入，并同步将子集合并为一个数据集。

list.files("D:/data/iris/", pattern = '^[s|v].+\\.xlsx$', full.names = T) %>% 
  map_dfr(read.xlsx)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
5.0 3.4 1.6 0.4 setosa
4.6 3.2 1.4 0.2 setosa
5.1 3.4 1.5 0.2 setosa
5.0 3.6 1.4 0.2 setosa
5.1 3.5 1.4 0.3 setosa
5.7 3.0 4.2 1.2 versicolor
4.9 2.4 3.3 1.0 versicolor
5.5 2.6 4.4 1.2 versicolor
6.3 2.5 4.9 1.5 versicolor
6.9 3.1 4.9 1.5 versicolor
6.2 3.4 5.4 2.3 virginica
7.2 3.2 6.0 1.8 virginica
6.9 3.1 5.1 2.3 virginica
5.6 2.8 4.9 2.0 virginica
7.4 2.8 6.1 1.9 virginica

4.3 .xlsx格式—多sheet型

任务08：把指定目录中的所有多sheet的.xlsx文件读入内存并合并为一个数据集（数据集结构和变量名必须相同，如不相同需做前期处理） > 把D:/data/iris/目录下的iris1.xlsx中的所有sheets读入，并同步将子集合并为一个数据集。

#用sheet名读取各个sheet(通用)
file <- "D:/data/iris/iris1.xlsx"
#也可以用sheet的顺序号map
getSheetNames(file) %>% 
   map_dfr(~read.xlsx(file, sheet = .))%>% 
  as_tibble()
x
5, 4.6, 5.1, 5, 5.1, 3.4, 3.2, 3.4, 3.6, 3.5, 1.6, 1.4, 1.5, 1.4, 1.4, 0.4, 0.2, 0.2, 0.2, 0.3, 1, 1, 1, 1, 1
5.7, 4.9, 5.5, 6.3, 6.9, 3, 2.4, 2.6, 2.5, 3.1, 4.2, 3.3, 4.4, 4.9, 4.9, 1.2, 1, 1.2, 1.5, 1.5, 2, 2, 2, 2, 2
6.2, 7.2, 6.9, 5.6, 7.4, 3.4, 3.2, 3.1, 2.8, 2.8, 5.4, 6, 5.1, 4.9, 6.1, 2.3, 1.8, 2.3, 2, 1.9, 3, 3, 3, 3, 3
5, 4.6, 5.1, 5, 5.1, 3.4, 3.2, 3.4, 3.6, 3.5, 1.6, 1.4, 1.5, 1.4, 1.4, 0.4, 0.2, 0.2, 0.2, 0.3, 1, 1, 1, 1, 1
5.7, 4.9, 5.5, 6.3, 6.9, 3, 2.4, 2.6, 2.5, 3.1, 4.2, 3.3, 4.4, 4.9, 4.9, 1.2, 1, 1.2, 1.5, 1.5, 2, 2, 2, 2, 2
6.2, 7.2, 6.9, 5.6, 7.4, 3.4, 3.2, 3.1, 2.8, 2.8, 5.4, 6, 5.1, 4.9, 6.1, 2.3, 1.8, 2.3, 2, 1.9, 3, 3, 3, 3, 3
5, 4.6, 5.1, 5, 5.1, 3.4, 3.2, 3.4, 3.6, 3.5, 1.6, 1.4, 1.5, 1.4, 1.4, 0.4, 0.2, 0.2, 0.2, 0.3, 1, 1, 1, 1, 1
5.7, 4.9, 5.5, 6.3, 6.9, 3, 2.4, 2.6, 2.5, 3.1, 4.2, 3.3, 4.4, 4.9, 4.9, 1.2, 1, 1.2, 1.5, 1.5, 2, 2, 2, 2, 2
6.2, 7.2, 6.9, 5.6, 7.4, 3.4, 3.2, 3.1, 2.8, 2.8, 5.4, 6, 5.1, 4.9, 6.1, 2.3, 1.8, 2.3, 2, 1.9, 3, 3, 3, 3, 3

or

library(tidyverse)
file <- "D:/data/iris/iris2.xlsx"
readxl::excel_sheets(file) %>%
  purrr::set_names() %>%
  map_dfr(~openxlsx::read.xlsx(file, sheet = .), .id = "sets")
sets Sepal.Length Sepal.Width Petal.Length Petal.Width Species
Sheet 1 7.0 3.2 4.7 1.4 versicolor
Sheet 1 6.4 3.2 4.5 1.5 versicolor
Sheet 1 6.9 3.1 4.9 1.5 versicolor
Sheet 1 5.5 2.3 4.0 1.3 versicolor
Sheet 1 6.5 2.8 4.6 1.5 versicolor
Sheet 1 5.7 2.8 4.5 1.3 versicolor
Sheet 1 6.3 3.3 4.7 1.6 versicolor
Sheet 1 4.9 2.4 3.3 1.0 versicolor
Sheet 1 6.6 2.9 4.6 1.3 versicolor
Sheet 1 5.2 2.7 3.9 1.4 versicolor
Sheet 1 5.0 2.0 3.5 1.0 versicolor
Sheet 1 5.9 3.0 4.2 1.5 versicolor
Sheet 1 6.0 2.2 4.0 1.0 versicolor
Sheet 1 6.1 2.9 4.7 1.4 versicolor
Sheet 1 5.6 2.9 3.6 1.3 versicolor
Sheet 1 6.7 3.1 4.4 1.4 versicolor
Sheet 1 5.6 3.0 4.5 1.5 versicolor
Sheet 1 5.8 2.7 4.1 1.0 versicolor
Sheet 1 6.2 2.2 4.5 1.5 versicolor
Sheet 1 5.6 2.5 3.9 1.1 versicolor
Sheet 1 5.9 3.2 4.8 1.8 versicolor
Sheet 1 6.1 2.8 4.0 1.3 versicolor
Sheet 1 6.3 2.5 4.9 1.5 versicolor
Sheet 1 6.1 2.8 4.7 1.2 versicolor
Sheet 1 6.4 2.9 4.3 1.3 versicolor
Sheet 1 6.6 3.0 4.4 1.4 versicolor
Sheet 1 6.8 2.8 4.8 1.4 versicolor
Sheet 1 6.7 3.0 5.0 1.7 versicolor
Sheet 1 6.0 2.9 4.5 1.5 versicolor
Sheet 1 5.7 2.6 3.5 1.0 versicolor
Sheet 1 5.5 2.4 3.8 1.1 versicolor
Sheet 1 5.5 2.4 3.7 1.0 versicolor
Sheet 1 5.8 2.7 3.9 1.2 versicolor
Sheet 1 6.0 2.7 5.1 1.6 versicolor
Sheet 1 5.4 3.0 4.5 1.5 versicolor
Sheet 1 6.0 3.4 4.5 1.6 versicolor
Sheet 1 6.7 3.1 4.7 1.5 versicolor
Sheet 1 6.3 2.3 4.4 1.3 versicolor
Sheet 1 5.6 3.0 4.1 1.3 versicolor
Sheet 1 5.5 2.5 4.0 1.3 versicolor
Sheet 1 5.5 2.6 4.4 1.2 versicolor
Sheet 1 6.1 3.0 4.6 1.4 versicolor
Sheet 1 5.8 2.6 4.0 1.2 versicolor
Sheet 1 5.0 2.3 3.3 1.0 versicolor
Sheet 1 5.6 2.7 4.2 1.3 versicolor
Sheet 1 5.7 3.0 4.2 1.2 versicolor
Sheet 1 5.7 2.9 4.2 1.3 versicolor
Sheet 1 6.2 2.9 4.3 1.3 versicolor
Sheet 1 5.1 2.5 3.0 1.1 versicolor
Sheet 1 5.7 2.8 4.1 1.3 versicolor

4.4 .xlsx格式—多.xlsx多sheet型

任务09：把指定目录中的所有多sheet的多个.xlsx文件读入内存并合并为一个数据集（数据集结构和变量名必须相同，如不相同需做前期处理） > 把D:/data/iris/目录下的iris*.xlsx中的所有sheets读入，并同步将子集合并为一个数据集。

library(tidyverse)
library(readxl)

# # 获取多个Excel文件的路径
files  <-  list.files("D:/data/iris", 
                   pattern = "iris\\d.xlsx", 
                   full.names = TRUE)

# # 自定义函数读取一个excel的多个sheet
read_exclsheets  <-  function(file) {
  map_dfr(set_names(excel_sheets(file)), 
          ~ read_xlsx(file, sheet = .x),
          .id = "sheet_name")
  }

# 文件名和sheet名会出现在数据框的相应列
df  <-  map_dfr(set_names(files), 
              read_exclsheets, 
              .id = "path") %>% 
      mutate(file_name = str_extract(path, "\\w+(?=\\.)"), # "(?<=/)\\w+(?=\\.)"  
                         .before = path)

5 批量读入写出

5.1 批量读入csv文件写回到一个文件

任务10：把指定目录下的所有.csv文件读入，并合并数据集，写回到指定目录生成一个.csv

把D:/data/iris/目录下所有.csv文件读入，并将数据集合并，然后写回到原目录，生成iris.csv

5.1.1 读入并写回到.csv

list.files("D:/data/iris/", pattern = '.csv', full.names = T) %>% 
  map_dfr(read.csv, header = T) %>%
  write.csv("D:/data/iris.csv", row.names = F)

5.1.2 读入并写回到一个sheet的.xlsx

任务11：把指定目录下的所有.csv文件读入，并合并数据集，写回到指定目录生成一个.xlsx

把D:/data/iris/目录下所有.csv文件读入，并将数据集合并，然后写回到原目录，生成iris.xlsx

list.files("D:/data/iris/", pattern = '.csv', full.names = T) %>% 
  map_dfr(read.csv, header = T) %>%
  write.xlsx("D:/data/iris.xlsx", row.names = F)

5.1.3 读入并写回到多个sheet的.xlsx

任务12：把指定目录下的所有.csv文件读入，并合并数据集，写回到指定目录生成一个.xlsx，并将每个数据集写到一个以该文件名为sheet名的sheet里。

把D:/data/iris/目录下所有.csv文件读入，并将数据集合并，然后写回到D:/data目录，生成iris.xlsx。把setosa.csv，versicolor.csv，virginica.csv分别写到sheet名分别为setosa，versicolor，virginica的sheet里。

filelist <- list.files("D:/data/iris/", pattern = '.csv') %>% gsub(".csv", "", .)
set <- list.files("D:/data/iris/", pattern = '.csv', full.names = T) %>% 
  map(read.csv, header = T) 
names(set) <- filelist
write.xlsx(set, "D:/data/iris1.xlsx")

6 list批量写出

6.1 写出一个.csv

任务13：把list里的每个数据集写出到一个.csv文件。

把iris_list合并成一个数据框，写出生成iris.csv。

iris_list <- iris %>% 
  split(.$Species)

iris_list %>% 
  map_dfr(~ .) %>% 
  write_csv("D:/data/iris.csv")

#只提取部分变量
iris_list %>% 
  map_dfr(., `[`, c("Sepal.Length", "Sepal.Width")) %>% 
  write_csv("D:/data/iris.csv")

6.2 写出多个.csv

任务14：把list里的每个数据集写出到多个.csv文件，且.csv的文件名为各数据集的名。

把iris_list合并成一个数据框，写出生成setosa.csv，versicolor.csv，virginica.csv。

iris_list <- iris %>% 
  split(.$Species)

walk(1:length(iris_list),
     ~ write_csv(iris_list[[.]], 
                 paste0("D:/data/iris/", names(iris_list)[.], ".csv")))

or

names(iris_list) %>% 
  walk(
     ~ write_csv(iris_list[[.x]], 
                 file = str_glue("D:/data/iris/{.x}.csv")))

6.3 写出一个.xlsx

任务15：把list里的每个数据集写出到一个.xlsx文件，且sheets名分别为各数据集的名。

把iris_list合并成一个数据框，写出生成一个iris2.xlsx数据集，且sheets名分别为setosa，versicolor，virginica。

iris_list <- iris %>% 
  split(.$Species)

openxlsx::write.xlsx(iris_list, "D:/data/iris/iris2.xlsx")

参考文献

1
Schauberger P, Walker A. Openxlsx: Read, write and edit xlsx files. 2020 https://CRAN.R-project.org/package=openxlsx.
2
Henry L, Wickham H. Purrr: Functional programming tools. 2020 https://CRAN.R-project.org/package=purrr.
3
可我的家里有cy. 用Rmarkdown 写论文——解决参考文献与交叉引用. 2019年04月14日; published online 2019年04月14日. https://sspai.com/post/53998.