这是与this one相关的“让我们尝试另一种方式”的帖子:
是否可以定义/修改
的阅读功能可以处理存储在data.frame
文件中的数据基于行的事实(即每行代表一个变量)
并相应地对其进行转换,以便将其存储在基于列的 xlsx
中(即{{>>行中的{em>行) 1}}成为列)
而捕获基于行的变量的基础类/数据类型?
关于csv
文件,我可能会转向readLines
,但不幸的是xlsx
对我来说仍然是一个黑盒子。
这是一个小xlsx
文件,其中包含两个数据方向的示例:https://github.com/rappster/stackoverflow/blob/master/excel/row-and-column-based-data.xlsx
答案 0 :(得分:2)
如何稍微修改read.xlsx
包中的xlsx
函数:
library(xlsx)
read.transposed.xlsx <- function(file,sheetIndex) {
df <- read.xlsx(file, sheetIndex = sheetIndex , header = FALSE)
dft <- as.data.frame(t(df[-1]), stringsAsFactors = FALSE)
names(dft) <- df[,1]
dft <- as.data.frame(lapply(dft,type.convert))
return(dft)
}
# Let's test it
read.transposed.xlsx("row-and-column-based-data.xlsx", sheetIndex = 2)
# variable var_1 var_2 var_3
#1 2016-01-01 1 a TRUE
#2 2016-01-02 2 b FALSE
#3 2016-01-03 3 c TRUE
答案 1 :(得分:1)
> library(openxlsx)
> library(reshape)
> x=read.xlsx("row-and-column-based-data.xlsx",sheet = 2);
> x
variable 2016-01-01 2016-01-02 2016-01-03
1 var_1 1 2 3
2 var_2 a b c
3 var_3 TRUE FALSE TRUE
> y=t(x)
> colnames(y)=y[1,]
> y=y[2:nrow(y),]
> cc=data.frame(y, stringsAsFactors = F)
> cc
var_1 var_2 var_3
2016-01-01 1 a TRUE
2016-01-02 2 b FALSE
2016-01-03 3 c TRUE
> sapply(cc, class)
var_1 var_2 var_3
"character" "character" "character"
> write.csv(cc,"temp.csv")
> bb=read.csv("temp.csv") #infer magically types
> bb
X var_1 var_2 var_3
1 2016-01-01 1 a TRUE
2 2016-01-02 2 b FALSE
3 2016-01-03 3 c TRUE
> sapply(bb, class)
X var_1 var_2 var_3
"factor" "integer" "factor" "logical"
或使用stringsAsFactors = F如果您更喜欢字符数据类型:
> bb=read.csv("temp.csv", stringsAsFactors = F) #infer magically types
> bb
X var_1 var_2 var_3
1 2016-01-01 1 a TRUE
2 2016-01-02 2 b FALSE
3 2016-01-03 3 c TRUE
> sapply(bb, class)
X var_1 var_2 var_3
"character" "integer" "character" "logical"
答案 2 :(得分:1)
您也可以使用此代码尝试utility
install.packages("remotes")
remotes::install_github("atusy/mytools")
library(mytools)
my_df <- read_excel2("my_excel_file.xlsx", sheet = 1, transposing = TRUE, error_as_NA = TRUE, rm_blank_col = TRUE)
我的excel工作表在第二列中具有所需的 column 标头,这意味着它们最终出现在第一行中,然后我使用 janitor 将该方法固定描述了here
x %>%
row_to_names(row_number = 1)