我正在尝试读取具有不同行长度的文本文件:
1
1 2
1 2 3
1 2 3 4
1 2 3 4 5
1 2 3 4 5 6
1 2 3 4 5 6 7
1 2 3 4 5 6 7 8
为了克服这个问题,我在read.table中使用了参数fill = TRUE,所以:
data<-read.table("test",sep="\t",fill=TRUE)
不幸的是,为了评估最大行长度,read.table只读取文件的前5行,并生成一个如下所示的对象:
data
V1 V2 V3 V4 V5
1 1 NA NA NA NA
2 1 2 NA NA NA
3 1 2 3 NA NA
4 1 2 3 4 NA
5 1 2 3 4 5
6 1 2 3 4 5
7 6 NA NA NA NA
8 1 2 3 4 5
9 6 7 NA NA NA
10 1 2 3 4 5
11 6 7 8 NA NA
有没有办法强制read.table滚动整个文件以评估最大行长度? 我知道可能的解决方案是提供列号,例如:
data<-read.table("test",sep="\t",fill=TRUE,col.names=c(1:8))
但由于我有很多文件,我想在R内自动评估。任何建议? : - )
编辑:原始文件不包含渐进式数字,因此这不是解决方案:
data1<-read.table("test",sep="\t",fill=TRUE)
data2<-read.table("test",sep="\t",fill=TRUE,col.names=c(1:max(data1))
答案 0 :(得分:55)
有一个很好的函数count.fields
(参见帮助),它计算每行的列数:
count.fields("test", sep = "\t")
#[1] 1 2 3 4 5 6 7 8
所以,使用你的第二个解决方案:
no_col <- max(count.fields("test", sep = "\t"))
data <- read.table("test",sep="\t",fill=TRUE,col.names=1:no_col)
data
# X1 X2 X3 X4 X5 X6 X7 X8
# 1 1 NA NA NA NA NA NA NA
# 2 1 2 NA NA NA NA NA NA
# 3 1 2 3 NA NA NA NA NA
# 4 1 2 3 4 NA NA NA NA
# 5 1 2 3 4 5 NA NA NA
# 6 1 2 3 4 5 6 NA NA
# 7 1 2 3 4 5 6 7 NA
# 8 1 2 3 4 5 6 7 8
答案 1 :(得分:5)
使用count.fields
绝对是正确的方法,但仅仅是为了完整性:
另一种选择是引入所有原始文本并在R:
中解析它x <- readLines(textConnection(
"1\t
1\t2
1\t2\t3
1\t2\t3\t4
1\t2\t3\t4\t5
1\t2\t3\t4\t5\t6"))
x <- strsplit(x,"\t")
要组合不等长度向量的列表,最简单的方法是使用rbind.fill
中的plyr
函数:
library(plyr)
# requires data.frames with column names
x <- lapply(x,function(x) {x <- as.data.frame(t(x)); colnames(x)=1:length(x); return(x)})
do.call(rbind.fill,x)
1 2 3 4 5 6
1 1 <NA> <NA> <NA> <NA> <NA>
2 1 2 <NA> <NA> <NA> <NA>
3 1 2 3 <NA> <NA> <NA>
4 1 2 3 4 <NA> <NA>
5 1 2 3 4 5 <NA>
6 1 2 3 4 5 6