在R

Question

我需要加载社交网络数据，其中每个用户都有一个未知且可能有大量的朋友，存储为以下格式的文本文件：

UserId: FriendId1, FriendId2, ...
1: 12, 33
2:
3: 4, 6, 10, 15, 16

进入两列data.frame：

  UserId FriendId
1      1       12
2      1       33
3      3        4
4      3        6
5      3       10
6      3       15
7      3       16

你会如何在R？中做到这一点？

读取，填充然后重新整形是低效的，因为它需要在内存中保留许多满NA的列。

相关问题here和here。

Answer 1

如果你真的有一个冒号作为分隔符，那么只需使用read.table和header = FALSE将数据导入R，然后考虑使用我的＆＃34; splitstackshape中的cSplit＆＃ 34;封装

mydf <- read.table("test.txt", sep = ":", header = FALSE)
mydf
##   V1                V2
## 1  1            12, 33
## 2  2                  
## 3  3  4, 6, 10, 15, 16

library(splitstackshape)
cSplit(mydf, "V2", ",", "long")
##    V1 V2
## 1:  1 12
## 2:  1 33
## 3:  3  4
## 4:  3  6
## 5:  3 10
## 6:  3 15
## 7:  3 16

Answer 2

这将读取行，然后逐行将它们解析为两个列矩阵。这确实产生了字符值（因为文本行只是字符）但强制数字是微不足道的：

 do.call(rbind,  sapply(rLines, function(L) { n <- sub( ":.+", "", L);
         items <- scan(text=sub(".+:","",L), sep=",");
     matrix( c( rep(n, length(items)), items), ncol=2)}
                        )
           )
#---------
     [,1] [,2]
[1,] "1"  "12"
[2,] "1"  "33"
[3,] "3"  "4" 
[4,] "3"  "6" 
[5,] "3"  "10"
[6,] "3"  "15"
[7,] "3"  "16"

如果前进的道路对您来说并不重要，那么请在?as.numeric和?as.data.frame进行自我教育。