Question

提前感谢您的帮助。从本质上讲，当我遇到这个问题时，我正在测试从网站上获取数据：http://lib.stat.cmu.edu/datasets/sleep。我按以下方式进行：

（A）了解数据（在R中）：我基本上输入了以下内容

readLines("http://lib.stat.cmu.edu/datasets/sleep", n=100)

（B）我注意到我想要的数据真正从第51行开始，所以我写了这段代码：

sleep_table <- read.table("http://lib.stat.cmu.edu/datasets/sleep", header=FALSE, skip=50)

（C）我收到以下错误：

Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings,  : 
line 1 did not have 14 elements

我得到的上述方法是关于堆栈溢出的另一个问题（import dat file into R）。但是，这个问题涉及.dat文件，我的问题是特定URL的数据。我想知道的是如何将第51行的数据（如果你使用了readLines）放入没有标题的数据框中（稍后我会在其中添加colnames（sleep_table）＆lt; - c（“等“，”“etc2”，“etc3”...）。

Answer 1

由于“Lesser short-tailed shrew”和“Pig”具有不等数量的分隔符空格，而其他字段不是以制表符分隔的，因此read.table无济于事。但幸运的是，这似乎是固定的空间。请注意，解决方案并不完整，因为记录末尾有一些令人讨厌的行，您可能需要将字符转换为数字，但这仍然是一个简单的练习。

# 123456789012345689012345678901234568901234567890123456890123456789012345689012345678901234568901234567890123456890
# African elephant         6654.000 5712.000  -999.0  -999.0     3.3    38.6   645.0       3       5       3
# African giant pouched rat   1.000    6.600     6.3     2.0     8.3     4.5    42.0       3       1       3
sleep_table <- read.fwf("http://lib.stat.cmu.edu/datasets/sleep", widths = c(25,rep(8,10)),
                          header=FALSE, skip=51)

Answer 2

使用以下事实：好的行以一位数字段结尾，除第一个以外的每个字段都是数字：

URL <- "http://lib.stat.cmu.edu/datasets/sleep"
L <- readLines(URL)

# lines ending in a one digit field
good.lines <- grep(" \\d$", L, value = TRUE)

# insert commas before numeric fields
lines.csv <- gsub("( [-0-9.])", ",\\1", good.lines)

# re-read
DF <- read.table(text = lines.csv, sep = ",", as.is = TRUE, strip.white = TRUE, 
         na.strings = "-999.0")

如果您对标题感兴趣，那么这里有一些代码。如果你对标题不感兴趣，请忽略其余部分。

# get headings - of the lines starting at left edge these are the ncol(DF) lines
#  starting with the one containing "species"
headings0 <- grep("^[^ ]", L, value = TRUE)
i <- grep("species", headings0)
headings <- headings0[seq(i, length = ncol(DF))]

# The headings are a bit long so we shorten them to the first word
names(DF) <- sub(" .*$", "", headings)

这给出了：

> head(DF)
                    species     body  brain slow paradoxical total maximum
1          African elephant 6654.000 5712.0   NA          NA   3.3    38.6
2 African giant pouched rat    1.000    6.6  6.3         2.0   8.3     4.5
3                Arctic Fox    3.385   44.5   NA          NA  12.5    14.0
4    Arctic ground squirrel    0.920    5.7   NA          NA  16.5      NA
5            Asian elephant 2547.000 4603.0  2.1         1.8   3.9    69.0
6                    Baboon   10.550  179.5  9.1         0.7   9.8    27.0
  gestation predation sleep overall
1       645         3     5       3
2        42         3     1       3
3        60         1     1       1
4        25         5     2       3
5       624         3     5       4
6       180         4     4       4

更新：白色空间修剪的微小简化

更新2：缩短标题

更新3：添加了na.strings = "-999.0"

如何从似乎将每行存储为列表的站点创建数据框？

2 个答案: