将文本文件转换为数据框 R
Posted
技术标签:
【中文标题】将文本文件转换为数据框 R【英文标题】：Converting text file to data frame R 【发布时间】：2015-09-23 22:37:51 【问题描述】：我知道这里有人问过类似的问题，但我仍然相信我的任务更复杂。
我有一个文本文件，其中包含来自项目 geonames.org 的信息，名为 MX.txt，其中数据排列如下：
MX 20158 Villas del Cobano Aguascalientes AGU Aguascalientes
001 Aguascalientes 01 21.8495 -102.3052 1
MX 20158 Hacienda el Cobano Aguascalientes AGU Aguascalientes
001 Aguascalientes 01 21.8495 -102.3052 1
MX 20159 Alianza Ferrocarrilera Aguascalientes AGU Aguascalientes
001 Aguascalientes 01 21.8495 -102.3052 1
MX 20159 Bosques del Prado Oriente Aguascalientes AGU Aguascalientes
001 Aguascalientes 01 21.8495 -102.3052 1
MX 20160 Francisco Guel Jimenez Aguascalientes AGU Aguascalientes
001 Aguascalientes 01 21.7561 -102.305 1
MX 20160 Las Viñas INFONAVIT Aguascalientes AGU Aguascalientes
001 Aguascalientes 01 21.7561 -102.305 1
MX 20164 Santa Anita 4a Sección Aguascalientes AGU Aguascalientes
001 Aguascalientes 01 21.7561 -102.305 1
文件持续了几千行。
我想把它变成一个包含 12 个变量的数据框，其中像“Villas del Cobano”这样的字符串只是这样的一个条目：
V1 V2 V3 V4 V5 V6
MX 20158 Villas del Cobano Aguascalientes AGU Aguascalientes
V7 V8 V9 V10 V11 V12
001 Aguascalientes 01 21.8495 -102.3052 1
V1 V2 V3 V4 V5 V6
MX 20158 Hacienda el Cobano Aguascalientes AGU Aguascalientes
V7 V8 V9 V10 V11 V12
001 Aguascalientes 01 21.8495 -102.3052 1
我已经尝试过之前发布的答案，例如： Converting text file into data frame in R , converting multiple lines of text into a data frame
因为英语不是我的第一语言，如果我的问题不够清楚，我想通过评论部分回答问题，而不是得到否定标记。
提前致谢！
【问题讨论】：
这可能是一个愚蠢的问题，但您是否尝试过read.table() 和sep = "\t"？您能展示一下您尝试过的代码以及最终结果吗？
感谢您的快速回复！不，实际上我没有，当我不小心删除了除第一行之外的所有文件时，它似乎可以正常工作
现在它说：“扫描错误（文件，内容，nmax，sep，dec，quote，skip，nlines，na.strings，：第 67894 行没有 12 个元素”
刚刚编辑了这样一行，效果很好你想把这个写成答案，这样我就可以把它标记为已回答？ @LJW
刚刚回到这个问题 - 看起来你在下面有一些很好的答案，所以我不会重复。很高兴你成功了！
【参考方案1】：
列之间的分隔符是制表符，然后用
data <- read.table(file="MX.txt", sep="\t", quote="", comment.char="")
地名数据存在问题。有时他们在地名中使用#。默认情况下，read.table 读作注释会丢弃该行的其余部分，因此您需要设置 comment.char=""。
【讨论】：
【参考方案2】：我提出了一个冗长的解决方案，可能会得到你想要的。简而言之，我使用从每个嵌套列表的开始和结束的已知距离来隔离“多部分名称”，将其连接起来，并将其作为列输入到其他数据中。
函数 splitAt 来自R split numeric vector at position。
#Support functions
splitAt <- function(x, pos) unname(split(x, cumsum(seq_along(x) %in% pos)))
extractplace <- function(x)
len <- length(x)
place0 <- x[-1*c(1:2,(len-8):len)]
place <- paste(place0, collapse=" ")
extractother <- function(x)
len <- length(x)
other <- x[c(1:2,(len-8):len)]
#initital data processing
elems <- scan(file="mx.txt", what="list") #creates a vector of all elements in your txt file
inds <- grep(pattern="MX", elems) #finds indices of "MX", which starts every nested list
lists <- splitAt(elems, inds) #creates a list of nested list
#create the matrix you want
placevector <- sapply(lists, function(x) extractplace(x)) #vector of multipart names
othermatrix <- t(sapply(lists, function(x) extractother(x))) #matrix of remaining data
fullmatrix <- cbind(othermatrix[,1:2],placevector,othermatrix[,3:11]) #inserts multipart names in matrix
colnames(fullmatrix) <- paste("V",1:12, sep="")
fullmatrix
【讨论】：
对不起，反馈迟了，第一个答案实际上解决了我的问题，但你的问题是一个非常有趣/逻辑的解决方案。谢谢你！【参考方案3】：这假设其余数据看起来像这个数据。我不得不做很多清洁工作（即gsubing）：
代码：
vect <- unlist(Map(function(x, y) paste(x, y), dat[c(T, F)], dat[c(F, T)]),
use.names = FALSE)
read.table(text=gsub("\\s2,", ", ", gsub("(\\s)(\\d2,)", " \\2",
gsub("(\\d2,|[A-Z]+)\\s+", "\\1 ", vect))), sep=",")
便于阅读的数据：
dat <- readLines(n=14)
MX 20158 Villas del Cobano Aguascalientes AGU Aguascalientes
001 Aguascalientes 01 21.8495 -102.3052 1
MX 20158 Hacienda el Cobano Aguascalientes AGU Aguascalientes
001 Aguascalientes 01 21.8495 -102.3052 1
MX 20159 Alianza Ferrocarrilera Aguascalientes AGU Aguascalientes
001 Aguascalientes 01 21.8495 -102.3052 1
MX 20159 Bosques del Prado Oriente Aguascalientes AGU Aguascalientes
001 Aguascalientes 01 21.8495 -102.3052 1
MX 20160 Francisco Guel Jimenez Aguascalientes AGU Aguascalientes
001 Aguascalientes 01 21.7561 -102.305 1
MX 20160 Las Viñas INFONAVIT Aguascalientes AGU Aguascalientes
001 Aguascalientes 01 21.7561 -102.305 1
MX 20164 Santa Anita 4a Sección Aguascalientes AGU Aguascalientes
001 Aguascalientes 01 21.7561 -102.305 1
【讨论】：
以上是关于将文本文件转换为数据框 R的主要内容，如果未能解决你的问题，请参考以下文章