Question

您好我正在尝试将大型数据文件读入R.它是一个制表符分隔文件，但前两列填充了由“|”分隔的多个数据。该文件看起来像：

A|1   B|2   0.5  0.4
C|3   D|4   0.9  1

我只关心第一列和第二列以及第三和第四列中的第一个值。最后，我希望最终得到每行的向量，如下所示：

A  B  0.5  0.4

我正在使用连接来读取文件：

con <- file("inputfile.txt", open = "r")
lines <- readLines(con)

给了我：

lines[1]
[1] "A|1\tB|2/t0.5\t0.4"

然后我使用strsplit拆分制表符分隔文件：

linessplit <- strsplit(lines, split="\t")

给了我：

linessplit[1]
[1] "A|1" "B|2" 
[3] "0.5" "0.4"

当我尝试以下操作将“A | 1”拆分为“A”“1”时：

line1 <- linessplit[1]
l1 <- strsplit(line1[1], split = "|")

我明白了：

"Error in strsplit(line1[1], split = "|") : non-character argument"

有没有人可以解决这个问题？谢谢！

Answer 1

由于您提供了一种方法，我解释了代码中的错误，即使对于您的问题，也许您必须考虑另一种方法。无论如何，抛开个人对代码的品味，问题是：

您必须使用双括号提取列表的第一个元素 if( Model.CollectionDate.HasValue)
line1[[1]]参数接受常规表达式。如果你提供split这是一个元字符，它就不会按原样阅读。您必须使用|或（根据@nongkrong的建议）将其转义为必须使用\\|参数，该参数允许您将字符串与完全匹配（例如，没有它们意思是元字符）。

最终代码为fixed = T

作为最后的个人考虑，您可以考虑l1 <- strsplit(line1[[1]], split = "\\|")解决方案：

lapply

Answer 2

这是我对原始问题的解决方案，

分割线

"A|1\tB|2\t0.5\t0.4"
"C|3\tD|4\t0.9\t1"

到

A  B  0.5  0.4
C  D  0.9  1

以下是我的代码：

lines <- c("A|1\tB|2\t0.5\t0.4", "C|3\tD|4\t0.9\t1", "E|5\tF|6\t0.7\t0.2")
lines

library(reshape2)
linessplit <- colsplit(lines, pattern="\t", names=c(1:4))
linessplit

split_n_select <- function(x, sel=c(1), pat="\\|", nam=c(1:2)){
  tmp <- t(colsplit(x, pattern=pat, names=nam))
  tmp[sel,]
}

linessplit2 <- sapply(linessplit, split_n_select)
linessplit2

将其分解：

将原始数据读入行

lines <- c("A|1\tB|2\t0.5\t0.4", "C|3\tD|4\t0.9\t1", "E|5\tF|6\t0.7\t0.2")
lines

结果：

 [1] "A|1\tB|2\t0.5\t0.4" "C|3\tD|4\t0.9\t1"   "E|5\tF|6\t0.7\t0.2"

加载 reshape2 库以导入函数 colsplit ，然后将其用于模式＆＃34; \ t＆＃34;将行拆分为4列，名为1,2,3,4。

library(reshape2)
linessplit <- colsplit(lines, pattern="\t", names=c(1,2,3,4))
linessplit

结果：

    1   2   3   4
1 A|1 B|2 0.5 0.4
2 C|3 D|4 0.9 1.0
3 E|5 F|6 0.7 0.2

创建一个函数来取一行，分成行并选择我们想要的行。

将linessplit的第一行放入 colsplit

tmp <- colsplit(linessplit[1,], pattern="\\|", names=c(1:2))
tmp

结果：

转置

tmp <- t(colsplit(linessplit[1,], pattern="\\|", names=c(1:2)))
tmp

结果：

  [,1] [,2] [,3]  [,4] 
1 "A"  "B"  "0.5" "0.4"
2 " 1" " 2" NA    NA

选择第一行：

tmp[1,]

结果：

[1] "A"   "B"   "0.5" "0.4"

将上述步骤设为 split_n_select ：

split_n_select <- function(x, sel=c(1), pat="\\|", nam=c(1:2)){
  tmp <- t(colsplit(x, pattern=pat, names=nam))
  tmp[sel,]
}

使用sapply将函数 split_n_select 应用于linessplit中的每一行

linessplit2 <- sapply(linessplit, split_n_select)
linessplit2

结果：

     1   2   3     4    
[1,] "A" "B" "0.5" "0.4"
[2,] "C" "D" "0.9" "1"  
[3,] "E" "F" "0.7" "0.2"

您还可以通过添加 sel = c（2）

来选择第二行

linessplit2 <- sapply(linessplit, split_n_select, sel=c(2))
linessplit2

结果：

     1   2   3  4 
[1,] "1" "2" NA NA
[2,] "3" "4" NA NA
[3,] "5" "6" NA NA

Answer 3

更改

line1 <- linessplit[1]
l1 <- strsplit(line1[1], split = "|")

到

line1 <- linessplit[1]
l1 <- strsplit(line1[1], split = "[|]") #i added square brackets

使用Strsplit和R连接拆分R中的大型数据文件

3 个答案: