Question

我的.txt数据集如下所示：

perms ['AC', 'AT', 'AG', 'AN', 'CA', 'CT', 'CG', 'CN', 'TA', 'TC', 'TG', 'TN', 'GA', 'GC', 'GT', 'GN', 'NA', 'NC', 'NT', 'NG', 'AA', 'CC', 'TT', 'GG', 'NN'] link [11413851, 16930583, 16197703, 1085, 16533859, 16218116, 2309941, 572, 14414084, 13609414, 16552907, 1015, 13594224, 10038778, 11427660, 480, 1055, 445, 1061, 591, 15557040, 9822185, 15583349, 9815249, 11653456]

此数据集中有两个变量：＆＃39; perms＆＃39;并且＆＃39;链接＆＃39;。如何在R中读取此数据集？我不能使用蛮力，因为我的样本的确切大小太大（其中一些有n> 100 000）。但结构完全相同。提前谢谢！

Answer 1

我们使用readLines读取数据集，按空格分隔后跟[或]，后跟零或更多空格。创建逻辑索引（'ind'），对拆分数据进行子集化，循环，scan以获取单个元素，并转换为'data.frame'。

lines <- readLines("file.txt")
lines1 <- strsplit(lines, "\\s*\\[|\\]\\s*")[[1]]
ind <- c(TRUE, FALSE)
data.frame(setNames(lapply(lines1[!ind], function(x) 
    trimws(scan(text=x, what = "", sep=",", quiet=TRUE))), lines1[ind]))
#   perms     link
#1     AC 11413851
#2     AT 16930583
#3     AG 16197703
#4     AN     1085
#5     CA 16533859
#6     CT 16218116
#7     CG  2309941
#8     CN      572
#9     TA 14414084
#10    TC 13609414
#11    TG 16552907
#12    TN     1015
#13    GA 13594224
#14    GC 10038778
#15    GT 11427660
#16    GN      480
#17    NA     1055
#18    NC      445
#19    NT     1061
#20    NG      591
#21    AA 15557040
#22    CC  9822185
#23    TT 15583349
#24    GG  9815249
#25    NN 11653456

如何读取R中的单行.txt数据集？

1 个答案: