R中的多个数据集分析

Question

为了分析一个数据集，我在R中有以下代码：

da_if <- function(x, TYPE) {
  data <-read.csv(x,sep = "", skip = 61, na.strings = "NA",header = F, col.names = paste0("V", seq_len(6)), fill = TRUE) #skips first 61 lines due to those lines all being settings and makes six columns
  data$V2 <- as.factor(data$V2)
  data$V5 <- as.numeric(data$V5)
  data$V6 <-as.numeric(data$V6) # 8&9 are needed in order so sum up values and get rid of two words!
  y <- split(data, data$V2)
  if (TYPE == "SCALES") {
    y <- y$SCALES
    y[is.na(y)]=0
    y$V5<-y$V5+y$V6
    y<-y[,-6]
    return(y)
  } else if (TYPE == "TRACK") {
    y <- y$TRACK
    return(y)
  } else if (TYPE == "RESMAN") {
    y<- y$RESMAN
    return(y)
  } else if (TYPE == "COMMUN"){
    y <- y$COMMUN
    return(y)
  } else {print("Insert valid datatype...")}
}

我有一个文件列表要分析，由这个代码生成：

fta<-list.files(pattern=".log", full.names = T) #files to analyse

有没有办法改变我的功能，以便同时进行32个数据集的分析？我尝试过使用apply，但坦率地说，我无法将结果存储在32个不同的变量中来进一步分析数据，而且由于某些原因，我太笨了，无法编写一个for循环来执行任何事情.我现在只想分析一下我的数据中的比例。

提前谢谢大家！！

编辑：我的原始数据看起来像这样，是美国宇航局工具箱多任务处理练习的一部分：

14:29:00.467154     TRACK   STATE   CURSOR  X   0.012751340110832256
14:29:00.467154     TRACK   STATE   CURSOR  Y   -0.08704373265652304
14:29:00.487683     TRACK   STATE   CURSOR  X   0.012479403159392622
14:29:00.488668     TRACK   STATE   CURSOR  Y   -0.08733692625790845
14:29:00.491681     MAIN    STATE       PAUSE
14:29:00.515652     MAIN    STATE   GENERICSCALES   START
14:30:53.308644     SCALES  INPUT   Mentale Anforderung 7
14:30:53.309640     SCALES  INPUT   Körperliche Beanspruchung   6
14:30:53.310467     SCALES  INPUT   Zeitdruck   5
14:30:53.311462     SCALES  INPUT   Leistung    3
14:30:53.311462     SCALES  INPUT   Anstrengung 7
14:30:53.312459     SCALES  INPUT   Frustration 5
14:30:53.316458     MAIN    STATE       RESUME
14:30:53.319470     MAIN    STATE   PUMPSTATUS  STOP
14:30:53.320461     MAIN    STATE   RESMAN  STOP
14:30:53.321456     MAIN    STATE   SYSMON  STOP
14:30:53.322470     MAIN    STATE   COMMUNICATIONS  STOP

Answer 1

不要将数据存储在32个不同的变量中。使用lapply并将数据存储在列表中：

list_data <- lapply(fta, da_if, TYPE = 'SCALES')

如果要将数据列表组合成数据列表，则可以使用

combine_data <- do.call(rbind, list_data)