Question

我必须导入一个包含数千行的csv文件。在此文件中，标题会多次出现。此标头以以下四个字符开头：]dos。我想读一行，不包括以]dos开头的行。

该文件看起来像

N[ dos  Date dos    Heure Dos   Nom du patient  ex pat
N[ dos  Date dos    Heure Dos   Nom du patient  ex pat
7061283778  02-03-17    12h54   Mr MONTALDO JIMENA          02-03-17
7061283777  02-03-17    12h54   Mme MONTALDO JIMENA             03-03-17
7061283790  02-03-17    12h54   Mme MONTALDO JIMENA             02-03-17
7061283779  02-03-17    12h55   Mr MONTALDO JIMENA              02-03-17
7061300309  02-03-17    12h55   Mme MONTALDO JIMENA             02-03-17
7061294068  02-03-17    12h56   Mme MONTALDO JIMENA             03-03-17
7061283782  02-03-17    12h56   Mr MONTALDO JIMENA              02-03-17
N[ dos  Date dos    Heure Dos   Nom du patient  ex pat
7061283781  02-03-17    12h56   Mlle MONTALDO JIMENA            02-03-17
7061300311  02-03-17    12h57   Mme MONTALDO JIMENA             02-03-17

正如您所见，标题出现了三次。

我是@Jaap发布的方法，但我认为该文件非常脏，从某种意义上说：

它是一个csv文件，但带有分隔符;而不是，（因为它是法国人）。
有几列有空值。
也许甚至还有未知的角色（不确定）。

我收到以下错误消息：

df＆lt; - read.table（text = txt，header = FALSE）扫描错误（file = file，what = what，sep = sep，quote = quote，dec = dec，：第1行没有44个元素另外：警告信息：关闭未使用的连接3（extraction.csv）

我必须在R中准备一个程序，供那些对编程或数据分析一无所知的人使用。此人将定期使用该程序，以便从数据中获得一些结果。此人将无法自行清理该数据。

如果您使用Excel打开文件，这就是文件的样子：

how the file looks like if you open it with Excel

Answer 1

根据示例数据，我想您要排除以N[ dos开头的行。

您可以通过几个步骤在数据框中获取此数据：

使用readLines读取数据文件。（因为我没有文件，我使用了textConnection;但你可以按照以下方式使用它：readLines('name_of_your_file.txt')来阅读文字）
使用N[ dos - 功能删除以grepl开头的行。
使用read.table。

完整代码：

txtcon <- textConnection('N[ dos  Date dos    Heure Dos   Nom du patient  ex pat
N[ dos  Date dos    Heure Dos   Nom du patient  ex pat
7061283778  02-03-17    12h54   Mr MONTALDO JIMENA          02-03-17
7061283777  02-03-17    12h54   Mme MONTALDO JIMENA             03-03-17
7061283790  02-03-17    12h54   Mme MONTALDO JIMENA             02-03-17
7061283779  02-03-17    12h55   Mr MONTALDO JIMENA              02-03-17
7061300309  02-03-17    12h55   Mme MONTALDO JIMENA             02-03-17
7061294068  02-03-17    12h56   Mme MONTALDO JIMENA             03-03-17
7061283782  02-03-17    12h56   Mr MONTALDO JIMENA              02-03-17
N[ dos  Date dos    Heure Dos   Nom du patient  ex pat
7061283781  02-03-17    12h56   Mlle MONTALDO JIMENA            02-03-17
7061300311  02-03-17    12h57   Mme MONTALDO JIMENA             02-03-17')

txt <- readLines(txtcon)

txt <- txt[!grepl(pattern = '^N\\[ dos', txt)]

df <- read.table(text = txt, header = FALSE)

这导致以下数据帧：

> df
          V1       V2    V3   V4       V5     V6       V7
1 7061283778 02-03-17 12h54   Mr MONTALDO JIMENA 02-03-17
2 7061283777 02-03-17 12h54  Mme MONTALDO JIMENA 03-03-17
3 7061283790 02-03-17 12h54  Mme MONTALDO JIMENA 02-03-17
4 7061283779 02-03-17 12h55   Mr MONTALDO JIMENA 02-03-17
5 7061300309 02-03-17 12h55  Mme MONTALDO JIMENA 02-03-17
6 7061294068 02-03-17 12h56  Mme MONTALDO JIMENA 03-03-17
7 7061283782 02-03-17 12h56   Mr MONTALDO JIMENA 02-03-17
8 7061283781 02-03-17 12h56 Mlle MONTALDO JIMENA 02-03-17
9 7061300311 02-03-17 12h57  Mme MONTALDO JIMENA 02-03-17

查看结果数据框，我想您希望将一些列放在一列中。可能的方法可能是：

df2 <- data.frame(id = df$V1, 
                  datetime1 = strptime(paste(df$V2, df$V3), '%d-%m-%y %Hh%M'),
                  datetime2 = as.Date(df$V7, '%d-%m-%y'),
                  name = paste(df$V4, df$V5, df$V6))

导致：

> df2
          id           datetime1  datetime2                 name
1 7061283778 2017-03-02 12:54:00 2017-03-02   Mr MONTALDO JIMENA
2 7061283777 2017-03-02 12:54:00 2017-03-03  Mme MONTALDO JIMENA
3 7061283790 2017-03-02 12:54:00 2017-03-02  Mme MONTALDO JIMENA
4 7061283779 2017-03-02 12:55:00 2017-03-02   Mr MONTALDO JIMENA
5 7061300309 2017-03-02 12:55:00 2017-03-02  Mme MONTALDO JIMENA
6 7061294068 2017-03-02 12:56:00 2017-03-03  Mme MONTALDO JIMENA
7 7061283782 2017-03-02 12:56:00 2017-03-02   Mr MONTALDO JIMENA
8 7061283781 2017-03-02 12:56:00 2017-03-02 Mlle MONTALDO JIMENA
9 7061300311 2017-03-02 12:57:00 2017-03-02  Mme MONTALDO JIMENA

读取不以dos开头的行

1 个答案: