按excel内的指定内容，从多个csv中读取需要的数据，生成一个新的excel

Question

按excel内的指定内容，从多个csv中读取需要的数据，生成一个新的excel：

一、当前文件夹如下：
包括5个文件：
1.MR_GCST90255375.csv（简称表1）
2.MR_R10_K11_ACUTPANC.csv（简称表2）
meta初步表.xlsx
阳性结果表_初步合并及整理.xlsx
阳性结果表_阳性暴露及研究.xlsx

二、根据“阳性结果表_阳性暴露及研究.xlsx”中的“id.exposure”列的内容，分别从“1.MR_GCST90255375.csv“，“2.MR_R10_K11_ACUTPANC.csv“中提取指定的数据。
阳性结果表_阳性暴露及研究.xlsx内容如下：

1.MR_GCST90255375.csv内容如下（2.MR_R10_K11_ACUTPANC.csv表头相同）：

三、生成的结果表如下：
0、Exposure列的值：为“阳性结果表_阳性暴露及研究.xlsx”表中“id.exposure”列的值；如有重复值，在提取后删除重复值。
1、study列的值：为所提取表（表1或表2）的文件名“”MR_”后的内容
2、Cases列的值：为指定数值（study为GCST90255375的，值为123，study为R10_K11_ACUTPANC，值为456）
3、Noncases列的值：为指定数值（study为GCST90255375的，值为789，study为R10_K11_ACUTPANC，值为1011）
4、“OR“列的值：对应study表（表1或表2）内：id.exposure行与“or”列的交叉单元格值
5、“or_lci95“列的值：对应study表（表1或表2）内：id.exposure行与“or_lci95”列的交叉单元格值
6、“or_uci95“列的值：对应study表（表1或表2）内：id.exposure行与“or_uci95”列的交叉单元格值
7、“P“列的值：对应study表（表1或表2）内：id.exposure行与“pval”列的交叉单元格值
8、以上内容，按生成表的A列（"Exposure"）扩展排序，排序后A列相同的值在一起

Answer 1

引自免费微信小程序：皆我百晓生

为了实现这个任务，你需要安装并加载几个R语言的包，例如readxl, tidyverse, 和 janitor。首先，确保这些包已经安装，如果没有，请运行以下命令进行安装：

install.packages(c("readxl", "tidyverse", "janitor"))

接下来，按照以下步骤操作：

1. 读取Excel文件中的元数据信息。
2. 根据元数据找到对应的CSV文件。
3. 读取CSV文件，并根据需要的列进行筛选。
4. 将所有数据整合到一个DataFrame中。
5. 处理重复的曝光ID。
6. 添加固定的案例和非案例计数。
7. 按照 Exposure 排序并输出到新的Excel文件。

下面是完成此任务的完整R代码：

# 加载所需的库
library(readxl)
library(tidyverse)
library(janitor)

# 读取元数据表
meta_data <- read_excel("meta初步表.xlsx")

# 定义函数用于查找并读取CSV文件
find_and_read_csv <- function(file_name) {
  csv_path <- file.path(".", gsub("\\.xlsx$", ".csv", file_name))
  if (file.exists(csv_path)) {
    return(read.csv(csv_path, header = TRUE, stringsAsFactors = FALSE))
  } else {
    stop(paste0("CSV 文件 ", csv_path, " 不存在。"))
  }
}

# 从元数据中获取CSV文件列表
csv_files <- meta_data %>% 
  filter(type == "Microsoft Excel 逗号分隔值文件") %>% 
  pull(name)

# 初始化最终数据框
final_df <- data.frame()

# 对于每个CSV文件，提取所需数据并添加到最终数据框
for (csv_file in csv_files) {
  csv_data <- find_and_read_csv(csv_file)
  
  # 提取特定列
  selected_data <- csv_data %>%
    select(id.exposure, or, or_lci95, or_uci95, pval) %>%
    janitor::clean_names()
  
  # 创建 study 列
  selected_data$study <- sub("MR_", "", csv_file)
  
  # 添加固定案例和非案例计数
  cases <- ifelse(selected_data$study == "GCST90255375", 123, 456)
  non_cases <- ifelse(selected_data$study == "GCST90255375", 789, 1011)
  selected_data$cases <- cases
  selected_data$non_cases <- non_cases
  
  final_df <- bind_rows(final_df, selected_data)
}

# 去除重复的曝光ID
final_df <- unique(final_df)

# 按 Exposure 排序并输出到新Excel文件
write_xlsx(final_df, "result.xlsx", sheet_name = "Results")

这段代码会创建一个名为“result.xlsx”的Excel文件，其中包含按 Exposure 排序的结果表。如果你想要在不同的工作表中保存结果，请将sheet_name参数更改为所需的名称。