我的文件看起来像：
a 1,2,3,5
b 4,5,6,7
c 5,6,7,8
...
第1个和第2个之间的分隔符是'\ t'，其他分隔符是逗号。如何将此类数据集读取为具有5个字段的数据框。
答案 0 :(得分：21)
我可能会这样做。
read.table(text = gsub(",", "\t", readLines("file.txt")))
V1 V2 V3 V4 V5
1 a 1 2 3 5
2 b 4 5 6 7
3 c 5 6 7 8
解压缩一下：
readLines()将文件作为字符向量读入R，每行包含一个元素。gsub(",", "\t", ...)用标签替换每个逗号，以便现在我们只有一种分隔字符的行。text =的{{1}}参数让它知道您正在传递一个要直接读取的字符向量（而不是包含文本数据的文件的名称） 答案 1 :(得分：8)
根据您表达问题的方式判断，您似乎知道您的数据已经平衡了＃34; （矩形）。
您在寻找更快捷的选择吗？您可能希望合并来自＆＃34; data.table＆＃34;的fread我的实验concat.split.DT function。
解决方案看起来像（将" "替换为"\t"选项卡）：
concat.split.DT(fread("yourfile.txt", sep = " ", header=FALSE), "V2", ",")
让我们编写一些数据：
x <- c("a\t1,2,3,5", "b\t4,5,6,7","c\t5,6,7,8")
X <- c(replicate(10000, x))
temp <- tempfile()
writeLines(X, temp, sep="\n") ## Write it to a temporary file
乔希的回答：
system.time(out1 <- read.table(text = gsub(",", "\t", readLines(temp))))
# user system elapsed
# 0.679 0.000 0.676
head(out1)
# V1 V2 V3 V4 V5
# 1 a 1 2 3 5
# 2 b 4 5 6 7
# 3 c 5 6 7 8
# 4 a 1 2 3 5
# 5 b 4 5 6 7
# 6 c 5 6 7 8
dim(out1)
# [1] 30000 5
fread + concat.split.DT（就像使用fread两次，但仍然超级快）：
system.time(out2 <- concat.split.DT(fread(temp, sep = "\t", header=FALSE), "V2", ","))
# user system elapsed
# 0.027 0.000 0.028
head(out2)
# V1 V2_1 V2_2 V2_3 V2_4
# 1: a 1 2 3 5
# 2: b 4 5 6 7
# 3: c 5 6 7 8
# 4: a 1 2 3 5
# 5: b 4 5 6 7
# 6: c 5 6 7 8
dim(out2)
# [1] 30000 5
虽然它并不适用于您的问题，但我应该提及这一点，以便其他可能需要解决类似问题的人受益：
上述一个限制是concat.split.DT仅处理＆＃34;平衡＆＃34;数据。 fread没有像fill这样的read.table参数（而且我似乎记得在某个地方读过它最有可能赢得这样的论点）。
这是我所说的不平衡的一个例子：
x2 <- c("a\t1,2,3,5,6,7", "b\t4,5,6,7","c\t5,6,7,8,9,10,11,12,13")
X2 <- c(replicate(10000, x2))
temp2 <- tempfile()
writeLines(X2, temp2, sep="\n")
read.table可以使用fill = TRUE参数处理：
system.time(out1b <- read.table(text = gsub(",", "\t", readLines(temp2)), fill=TRUE))
# user system elapsed
# 1.151 0.000 1.152
head(out1b)
# V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
# 1 a 1 2 3 5 6 7 NA NA NA
# 2 b 4 5 6 7 NA NA NA NA NA
# 3 c 5 6 7 8 9 10 11 12 13
# 4 a 1 2 3 5 6 7 NA NA NA
# 5 b 4 5 6 7 NA NA NA NA NA
# 6 c 5 6 7 8 9 10 11 12 13
concat.split.DT会给您一个令人讨厌的错误，但您可以尝试我的cSplit function。它不是那么快，但仍然表现得很好：
system.time(out2b <- cSplit(fread(temp2, sep = "\t", header=FALSE), "V2", ","))
# user system elapsed
# 0.393 0.004 0.399
head(out2b)
# V1 V2_1 V2_2 V2_3 V2_4 V2_5 V2_6 V2_7 V2_8 V2_9
# 1: a 1 2 3 5 6 7 NA NA NA
# 2: b 4 5 6 7 NA NA NA NA NA
# 3: c 5 6 7 8 9 10 11 12 13
# 4: a 1 2 3 5 6 7 NA NA NA
# 5: b 4 5 6 7 NA NA NA NA NA
# 6: c 5 6 7 8 9 10 11 12 13
答案 2 :(得分：0)
Scanner scan = new Scanner(file);
while (scan.hasNextLine()) {
String[] a = scan.nextLine().replace("\\t", ",").split(",");
//do something with the array
}
scan.close();
这样做了：