Question

我需要解析具有多个标题部分的ascii文件。模型代码段位于

之下

Name1  | header1 | header2 | header3
header1|   11    |   x1
Name2  | header1 | header2 | header3
header1|   2.5   |   x2
header1|   3.7   |   x3
header1|   4.2   |   x4
Name3  | header1 | header2 | header3
header1|   34    |   x5
header1|   37    |   x6
etc.

我的任务是计算来自header1的数据的方差：

Names | Variances
-------------------------
Name1 | var(11)   # =NA
Name2 | var(c(2.5,3.7,4.2))
Name3 | var(c(34,37))
etc.

如何处理R？

中的这类文件

我的真实档案更复杂：

HD 4478 | velocities  |typ|    Value    R   m.e.  |A (Nmes)|na,Q,dom , res D| Obs.date | Rem.  |Or|     Reference     |
velocities  |V  |  -23.00        5.20   |D (    )|s , ,O   ,      |          |       |  |1992A&AS...95..541F|
BD +41 43| velocities  |typ|    Value    R   m.e.  |A (Nmes)|na,Q,dom , res D| Obs.date | Rem.  |Or|     Reference     |
velocities  |V  |   18.40        7.40   |D (    )|s , ,O   ,      |          |       |  |2007AN....328..889K|
velocities  |v  |   18.4                |D (   3)|  , ,    ,      |          |NN     |  |1979IAUS...30...57E|
velocities  |v  |   15.2                |  (   4)|  , ,    ,      |          |       |  |1970MmRAS..72..233H|
HIP 8855 | velocities  |typ|    Value    R   m.e.  |A (Nmes)|na,Q,dom , res D| Obs.date | Rem.  |Or|     Reference     |
velocities  |V  |  -10.00        7.40   |D (    )|s , ,O   ,      |          |       |  |1999A&AS..137..451G|
HD 215441 | velocities  |typ|    Value    R   m.e.  |A (Nmes)|na,Q,dom , res D| Obs.date | Rem.  |Or|     Reference     |
velocities  |v  |   -5.5                |  (  11)|  , ,    ,      |          |       |  |1969ApJ...156..967P|
velocities  |v  |                       |  (  18)|  , ,    ,      |          |V      |  |1960ApJ...132..521B|
HD 147010 | velocities  |typ|    Value    R   m.e.  |A (Nmes)|na,Q,dom , res D| Obs.date | Rem.  |Or|     Reference     |
velocities  |V  |   -3.96        1.41   |B (    )|s , ,O   ,      |          |       |  |2012ApJ...745...56D|
velocities  |V  |   -8.20        3.10   |C (    )|s , ,O   ,      |          |       |  |2006AstL...32..759G|
velocities  |v  |   -9                  |C (   3)|  , ,    ,      |          |NN     |  |1953GCRV..C......0W|
velocities  |v  |   -8.8                |  (   3)|  , ,    ,      |          |       |  |1950ApJ...111..221W|

期望的结果是：

Names    | Variances
-------------------------
HD 4478  | var(-23.00)    # =NA
BD +41 43| var(c(18.40,18.4,15.2))
HIP 8855 | var(-10.00) # =NA
HD 215441| var(-5.5) # =NA
HD 147010| var(c(-3.96,-8.20,-9,-8.8))

Answer 1

主要问题是正确读取数据。也许这个格式是在某处指定的？但是，可以在几行内读取样本数据：

# read your ascii-file
asciitxt = readClipboard()
# find the headers (starting with "Name")
headers = which(grepl("^Name", asciitxt))
# split asciitext in groups
asciitxt = split(asciitxt, cumsum(seq_along(asciitxt) %in% headers))
# read asciitext as dataframe
l.in = lapply(asciitxt, function(x) read.table(text=x, header=T, sep="|", fill=T, stringsAsFactors=F))
# name the elements of your list
names(l.in) = sapply(l.in, function(x) names(x)[1])
# do your calculations
sapply(l.in, function(x) var(x$header1))

您的实际数据存在的问题是，计算所需的值不会在一个变量中分开。例如，在第2行中，变量“typ”不仅包含值“23.00”，还包含字符串“23.00 5.20”。在read.table之后你必须以某种方式潜入你的变量“typ”。看看包tidyr :: extract。

如何用R中的多个标题段解析文本文件？

1 个答案: