Question

我的数据文件包含以下内容：前10列是数字，最后一列是文本。他们被空间隔开。问题是最后一列中的文本也可能包含空格。因此，当我使用read.table()时，我收到以下错误：

Error in scan(file = file, what = what, sep = sep, quote = quote, dec = dec,  :  
line 21 did not have 11 elements

将前10列读入数据矩阵的最简单方法是什么，最后一列是字符串向量？我应该首先使用readLines()然后处理吗？

Answer 1

如果您无法使用不同的非空格分隔符重新导出或重新创建数据文件，或者在最后一列周围使用引号来避免该问题，则可以使用read.table(... , fill = TRUE)到read in a file with unequal columns然后将第11列与dat$col11 <- do.call(paste, c(dat[11:nrow(dat)], sep=" "))（or something like that）合并，然后使用dat[11:(nrow(dat)-1)] <- NULL删除现在不需要的列。最后，您可能需要使用trimws(dat$col11)修剪第11列末尾的空白。

请注意，fill仅考虑文件的前五行，因此您可能需要手动查找最长行中的“伪列”数，并指定适当的{{1}行数在col.names中（参见链接的答案）。

Answer 2

由fill = TRUE函数的有用read.table()选项暗示，我使用以下方法解决了我的问题：

dat <- read.table(fname, fill = T)
dat <- dat[subset(1:nrow(dat),!((1:nrow(dat)) %in% (which(dat[,11]=="No") + 1))),]

fill = TRUE选项将第11列第一个空格后的所有内容放入新行（原始数据没有的冗余行）。上面的代码基于三个假设删除冗余行：（1）第11列中的空格分隔符的数量不超过11，这样我们就知道在第11列包含空格的行之后只有一行文本（这就是+1的作用; （2）我们知道第11列以某个单词开头的行（在我的例子中是“否”）（3）仅保留第11列中的第一个单词就足够了（没有歧义）。

Answer 3

在R中读取文件之前，您可以重新格式化文件。例如，在终端中使用>>>：

perl

这将用逗号替换前面带有数字的每个空格。然后使用perl -pe 's/(?<=[0-9]) /,/g' myfile.txt > myfile.csv：

将其读入R.

read.csv

Answer 4

以下解决了我的问题：

nc <- max(count.fields(fname), sep = " ")
data <- read.table(fname, fill = T, col.names = paste0("V", seq_len(nc)), sep = " ", header = F)

然后前10列将是我想要的数值结果，其余的nc-10列可以组合成一个字符串向量。最有用的帖子是： How can you read a CSV file in R with different number of columns

在r中读取带有混合数字和文本的数据文件

4 个答案: