修改

Question

我在csv中有一个数据集。不幸的是，每行都有不同数量的“，”逗号。我感兴趣的是只导入R中文件的前3个和后3个变量。

例如

：

> line: "A","B","C","D",...,"X",Y","Z"

我想实现以下`

> line: "A","B","C","X","Y","Z"

我尝试使用grep来查找 - 通过使用regural表达式 - 前3个变量：

new_data <- grep("([^,]+)(,[^,]+){2}", dataset, values=TRUE)

在该操作之后，它向我显示该表达式存在的所有行。

如何使用grep删除行中的以下变量，如果可能，我如何删除整个时间间隔（每个变量来自＆lt; 3; n-3＆gt;）。

你现在有其他方法来解决这个问题吗？

Answer 1

结合使用apply和head以及tail：

d2 <- data.frame(t(apply(d1, 1, function(x) c(head(x[x != ''],3), tail(x[x != ''],3)))))

导致：

> d2
  X1 X2 X3 X4 X5 X6
1  a  b  c  x  y  z
2  a  b  c  g  h  i
3  a  b  c  t  u  v

使用@VarunM的数据：

d1 <- read.csv(text='a, b, c, d, e, f, g, h, i, j, k, l, m, n, o, p, q, r, s, t, u, v, w, x, y, z
a, b, c, d, e, f, g, h, i
a, b, c, d, e, f, g, h, i, j, k, l, m, n, o, p, q, r, s, t, u, v', header = FALSE, fill = TRUE)

Answer 2

尝试awk -

awk -F, '{print $1, $2, $3, $(NF-2), $(NF-1), $(NF)}' file

-F,将字段分隔符更改为逗号。

NF是数据集中的最后一个字段。 NF-1和NF-2很明显。

我制作了一个示例文件 -

$cat file.csv
a, b, c, d, e, f, g, h, i, j, k, l, m, n, o, p, q, r, s, t, u, v, w, x, y, z 
a, b, c, d, e, f, g, h, i
a, b, c, d, e, f, g, h, i, j, k, l, m, n, o, p, q, r, s, t, u, v

在做 -

$awk -F, '{print $1, $2, $3, $(NF-2), $(NF-1), $(NF)}' file.csv

输出 -

a  b  c  x  y  z 
a  b  c  g  h  i
a  b  c  t  u  v

修改

如果您执行以下操作，此解决方案可以很好地运行 -

> system('awk -F, \'{print $1, $2, $3, $(NF-2), $(NF-1), $(NF)}\' file.csv')

其中file.csv是包含数据的文件。

Answer 3

命令行解决方案会更容易，但是如果你想在R代码中使用R里面的解决方案，那么通过textConnection过滤传入的CSV并使用字符串操作或正则表达式来提取第一个和最后三个字段：

csvConn <- textConnection('your.csv')
<use string operations or regex to extract the first and last three fields>
read.csv(data = csvFixed, ...)

这很有效，我以前做过。请参阅涉及textConnection and read.csv(data=...)的其他类似解决方案。我找不到一个非常干净的例子。

使用可变数量的字段从CSV导入前三个和后三个字段

3 个答案:

修改