R 如何正确导入以分号分隔的文件
我一直在尝试导入以下分号分隔文件:R 如何正确导入以分号分隔的文件,r,csv,data.table,fread,read.csv,R,Csv,Data.table,Fread,Read.csv,我一直在尝试导入以下分号分隔文件: # word len;freq;mean;sens;npos;u;orthon;freqn;bgp WN000000 fiber "5;8.671;1;5;1;0;5;6.1;0;-1" 10000000 clad "4;6.78;2;2;1;1;8;7.84;2026;-1" 10000000 tucker "6;8.103;2;3;2;0.91829583405449;7;5.5;4547;-1" 10000000 我尝试了rea
# word len;freq;mean;sens;npos;u;orthon;freqn;bgp WN000000
fiber "5;8.671;1;5;1;0;5;6.1;0;-1" 10000000
clad "4;6.78;2;2;1;1;8;7.84;2026;-1" 10000000
tucker "6;8.103;2;3;2;0.91829583405449;7;5.5;4547;-1" 10000000
我尝试了read.csv
和data.table::fread
,但没有成功read.csv
识别一些标题,实际值都在第一列下:
X..word.len freq mean sens npos u orthon freqn bgp.WN000000
1 fiber\t5;8.671;1;5;1;0;5;6.1;0;-1\t10000000 NA NA NA NA NA NA NA NA
2 clad\t4;6.78;2;2;1;1;8;7.84;2026;-1\t10000000 NA NA NA NA NA NA NA NA
3 tucker\t6;8.103;2;3;2;0.91829583405449;7;5.5;4547;-1\t10000000 NA NA NA NA NA NA NA NA
fread
识别第一列,但将所有其他列合并为一列
X..word len.freq.mean.sens.npos.u.orthon.freqn.bgp WN000000
1 fiber 5;8.671;1;5;1;0;5;6.1;0;-1 10000000
2 clad 4;6.78;2;2;1;1;8;7.84;2026;-1 10000000
3 tucker 6;8.103;2;3;2;0.91829583405449;7;5.5;4547;-1 10000000
有人能帮忙吗?据我所知,基本上有两台分离器在那里工作。这可能值得手动处理,而不是使用标准的读取功能 读入文件,去掉引号,然后用空格和分号分隔符分隔
library( magrittr )
input <- readLines( "~/Desktop/Untitled" ) %>%
gsub( '"|^# +', "", . ) %>%
strsplit( "\\ +|;" )
然后使用第一行作为列名。我们需要在这里添加一个额外的名称,因为您的标题没有足够的名称来覆盖您的数据
names( df ) <- c( input[[1]][1:10], "fill.col", input[[1]][11] )
据我所知,基本上有两个分离器在那里工作。这可能值得手动处理,而不是使用标准的读取功能 读入文件,去掉引号,然后用空格和分号分隔符分隔
library( magrittr )
input <- readLines( "~/Desktop/Untitled" ) %>%
gsub( '"|^# +', "", . ) %>%
strsplit( "\\ +|;" )
然后使用第一行作为列名。我们需要在这里添加一个额外的名称,因为您的标题没有足够的名称来覆盖您的数据
names( df ) <- c( input[[1]][1:10], "fill.col", input[[1]][11] )
以下是我的尝试(并根据David Arenburg的评论编辑)
首先读取并处理标题行;然后在跳过第一行的同时阅读剩余的行:
library(data.table)
header <- strsplit(readLines('test.txt', n = 1), '\\s+')[[1]][-1]
res <- fread('test.txt', skip = 1, header = FALSE)
setnames(res, 1:3, header)
res[, strsplit(header[2], ';')[[1]] :=
tstrsplit(get(header[2]), ';', type.convert = TRUE, fixed = TRUE)[-10]]
res[, header[2] := NULL]
# word WN000000 len freq mean sens npos u orthon freqn bgp
# 1: fiber 10000000 5 8.671 1 5 1 0.0000000 5 6.10 0
# 2: clad 10000000 4 6.780 2 2 1 1.0000000 8 7.84 2026
# 3: tucker 10000000 6 8.103 2 3 2 0.9182958 7 5.50 4547
库(data.table)
header以下是我尝试的内容(并根据David Arenburg的评论进行编辑)
首先读取并处理标题行;然后在跳过第一行的同时阅读剩余的行:
library(data.table)
header <- strsplit(readLines('test.txt', n = 1), '\\s+')[[1]][-1]
res <- fread('test.txt', skip = 1, header = FALSE)
setnames(res, 1:3, header)
res[, strsplit(header[2], ';')[[1]] :=
tstrsplit(get(header[2]), ';', type.convert = TRUE, fixed = TRUE)[-10]]
res[, header[2] := NULL]
# word WN000000 len freq mean sens npos u orthon freqn bgp
# 1: fiber 10000000 5 8.671 1 5 1 0.0000000 5 6.10 0
# 2: clad 10000000 4 6.780 2 2 1 1.0000000 8 7.84 2026
# 3: tucker 10000000 6 8.103 2 3 2 0.9182958 7 5.50 4547
库(data.table)
标题所有这些都不能复制/复制到R中。请显示您的原始文本文件。您是否使用了sep=“;”
和read.csv
?@G5W:我使用了。该命令的问题是,实际值放在第一列,而不是正确地分布在标题中。@RomanLuštrik:我现在就解决它。所有这些都不能复制/复制到R中。请显示您的原始文本文件。您是否使用了sep=“;”
和read.csv
?@G5W:我使用了。该命令的问题在于,实际值被放在第一列,而没有正确地分布在标题中。@RomanLuštrik:我现在就解决它。这非常有效,非常感谢。有一个问题:=做什么?@RobertP。它是一个运算符,用于对数据表执行“参照赋值”。你可以在这里找到更多信息:。这非常有效,非常感谢。有一个问题:=做什么?@RobertP。它是一个运算符,用于对数据表执行“参照赋值”。您可以在此处找到更多信息:。这看起来是一个不错的解决方案,尽管它给出了一个不正确的结果-第一列应该是“len”,而不是word。谢谢你的帮助!正如@mt1022所注意到的,您的标题与数据不匹配。我将第一个列名设为散列,因为这是标题中的内容。如果您想移动名称,但仍然确保保留所有数据,则需要添加额外的列名。这看起来是一个不错的解决方案,尽管它给出了一个不正确的结果——第一列应该是“len”,而不是单词。谢谢你的帮助!正如@mt1022所注意到的,您的标题与数据不匹配。我将第一个列名设为散列,因为这是标题中的内容。如果您想移动名称,但仍然确保保留所有数据,则需要添加额外的列名。我已经更新了,可以做到这一点。