R:为什么read.table停止读取文件?
我有一个文件,名为R:为什么read.table停止读取文件?,r,R,我有一个文件,名为genes.txt,我想把它变成data.frame。它有很多行,每行有三个制表符分隔的字段: mike$ wc -l genes.txt 42476 genes.txt 我想将此文件读入R中的data.frame。我使用命令read.table,如下所示: genes = read.table( genes_file, sep="\t", na.strings="-", fill=TRUE, col.names=c("Ge
genes.txt
,我想把它变成data.frame。它有很多行,每行有三个制表符分隔的字段:
mike$ wc -l genes.txt
42476 genes.txt
我想将此文件读入R中的data.frame。我使用命令read.table,如下所示:
genes = read.table(
genes_file,
sep="\t",
na.strings="-",
fill=TRUE,
col.names=c("GeneSymbol","synonyms","description")
)
这似乎很好,其中genes\u文件
指向genes.txt
。但是,my data.frame中的行数明显少于我的文本文件中的行数:
> nrow(genes)
[1] 27896
mike$ grep "SELL" genes.txt
SELL CD62L|LAM1|LECAM1|LEU8|LNHR|LSEL|LYAM1|PLNHR|TQ1 selectin L
我可以在文本文件中找到:
> nrow(genes)
[1] 27896
mike$ grep "SELL" genes.txt
SELL CD62L|LAM1|LECAM1|LEU8|LNHR|LSEL|LYAM1|PLNHR|TQ1 selectin L
似乎不在data.frame中
> grep("SELL",genes$GeneSymbol)
integer(0)
原来
genes = read.delim(
genes_file,
header=FALSE,
na.strings="-",
fill=TRUE,
col.names=c("GeneSymbol","synonyms","description"),
)
很好用。为什么read.delim在read.table不工作时工作
如果有用,您可以使用以下命令重新创建genes.txt
,这些命令应该从命令行运行
curl -O ftp://ftp.ncbi.nlm.nih.gov/gene/DATA/gene_info.gz
gzip -cd gene_info.gz | awk -Ft '$1==9606{print $3 "\t" $5 "\t" $9}' > genes.txt
不过,请注意,gene_info.gz是101MBish。带有read.table的默认引号字符之一是单引号。我猜您的描述字段中有一些不匹配的单引号,并且单引号之间的所有数据都汇集到一个条目中 对于read.delim,defualt quote字符是双引号,因此这不是问题 指定您的引号字符,您应该已全部设置
> genes<-read.table("genes.txt",sep="\t",quote="\"",na.strings="-",fill=TRUE, col.names=c("GeneSymbol","synonyms","description"))
> nrow(genes)
[1] 42476
>genesIs第27897行有什么特别的东西可能会破坏导入?我现在无法下载该文件,如果您还没有收到答复,我将稍后再试。我看不到!事实证明read.delim工作得很好,所以这比以前稍微不那么烦人。我对这个问题进行了大量的编辑(向在开始的前4分钟内阅读它的11个人表示歉意),将问题重新表述为当read.table失败时为什么read.delim可以工作?我没有查看文件,但引用和评论是两种常见的破坏方式。例如,read.table将“#”视为注释字符,这不适合于许多文件。谢谢!我想我应该注意到我的最终作品是巨大的!学习曲线的乐趣……加入学习曲线教会。:)另一个选项(我使用的)是设置quote=“”,然后简单地删除引号。请注意,如果使用fill=TRUE,则更有可能以静默方式解决此问题。