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：

# 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。