Question

我有这样的数据（命名光谱）：

#Milk spectra: 1234
##XYDATA=(X++(Y..Y))
649.025085449219 
667.675231457819
686.325377466418 
##XYDATA=(X++(Y..Y))
723.625669483618 
742.275815492218 
760.925961500818 
##XYDATA=(X++(Y..Y))
872.826837552417 
891.476983561017 
910.127129569617
928.777275578216

在此数据中，每次都是字符串##XYDATA=(X++(Y..Y))，即每个不同动物的数据。所以，我想拥有可以帮助将这个样本提取为3个数据的代码。

Animal 1: 3 lines after 1st '  ##XYDATA=(X++(Y..Y))'
Animal 2: 3 lines after 2nd '  ##XYDATA=(X++(Y..Y))'

等等。

我尝试了这行代码，但它只能帮助提取字符串'##XYDATA=(X++(Y..Y))'一起出现的所有时间的第1行。因此，它不符合我的期望，有三条线，并且在每次出现字符串后都有一个单独的数据。

bo<-data.frame(spectra$V1[which(spectra$V1 == '##XYDATA=(X++(Y..Y))')+1])

Answer 1

好的，我认为你可以沿着这些方向做点什么。我确信这可以更好，更有效，但可以将其作为字符向量阅读。然后循环以展开它。但是，这假设总是有相同数量的度量，并且您可以识别字符值。

c_data<- c("split", 1, 2, 3, 
                   "split", 4, 5, 6)

y<- c_data == "split"

df_wide <- data.frame("animal"= character(), "v1" = numeric(), "v2" = numeric(), "v3" = numeric(),
                      stringsAsFactors = FALSE)
names(df_wide)<- c("animal", "v1", "v2", "v3")
x <- 0
for (i in 1:length(c_data)){

  if (y[i] == TRUE){
    x <- x +1
    df_wide[x,] <- rbind(c(c_data[i], c_data[i+1], c_data[i+2], c_data[i+3]))
  } 
}

产量

  animal v1 v2 v3
1  split  1  2  3
2  split  4  5  6

如果这是一次性事情，可能不值得尝试写一些更好的东西。如果它是一个持续的东西，那么你可能想看看使用你可能需要编写函数的apply函数。

Answer 2

您可以使用split和map执行以下任一操作：

library(dplyr)
library(purrr)

df %>%
  mutate(Animal = cumsum(grepl("##XYDATA=(X++(Y..Y))", V1, fixed = TRUE))) %>%
  split(.$Animal) %>%
  map(~slice(., -1) %>% mutate(V1 = as.numeric(V1))) %>%
  '['(-1)

这会创建一个指标变量Animal，按该指标拆分，删除每个数据帧的第一行，将V1转换为数字，最后删除列表的第一个元素。

您还可以执行以下操作：

df %>%
  mutate(Animal = cumsum(grepl("##XYDATA=(X++(Y..Y))", V1, fixed = TRUE))) %>%
  filter(!grepl("^#.*$", V1)) %>%
  mutate(V1 = as.numeric(V1)) %>%
  split(.$Animal)

这也会创建指标Animal，但它会在filter中显示所有包含#个符号的行，并在{之前}将V1转换为数字 / em>拆分为单独的数据帧。

<强>结果：

$`1` # A tibble: 3 x 2 V1 Animal <dbl> <int> 1 649.0251 1 2 667.6752 1 3 686.3254 1 $`2` # A tibble: 3 x 2 V1 Animal <dbl> <int> 1 723.6257 2 2 742.2758 2 3 760.9260 2 $`3` # A tibble: 4 x 2 V1 Animal <dbl> <int> 1 872.8268 3 2 891.4770 3 3 910.1271 3 4 928.7773 3

注意：

这里我假设#Milk spectra: 1234也是列中的一行，因此最后是子集。

数据：

df = read.table(textConnection("'#Milk spectra: 1234' ##XYDATA=(X++(Y..Y)) 649.025085449219 667.675231457819 686.325377466418 ##XYDATA=(X++(Y..Y)) 723.625669483618 742.275815492218 760.925961500818 ##XYDATA=(X++(Y..Y)) 872.826837552417 891.476983561017 910.127129569617 928.777275578216"),comment.char = "", stringsAsFactors = FALSE)

在每个出现R的字符串一之后提取数据

2 个答案: