Question

更新1

链接实际数据集，因为为示例数据提供的解决方案对我来说不起作用。

链接：https://app.box.com/s/65j1enr13pi51i44mfrymccklw1artot

请注意，LOT是行标记的结尾。

-

我的数据框如下（单列）：

D
2
f
h
k
END_ROW_WORD
k
1
2
END_ROW_WORD
e
g
j
2
k
END_ROW_WORD

我想将其转换为以下格式：

正如您所看到的那样，有一个特定的单词（END_ROW_WORD）标记了行的结尾。

Answer 1

以下是Alejandro的类似方法，但使用split代替for循环：

colstarts <- diff(c(0, which(df == "END_ROW_WORD")))
rows <- split(df[[1]], rep(1:length(colstarts), colstarts))
rows <- lapply(rows, `length<-`, max(lengths(rows)))
as.data.frame(do.call(rbind, rows))

Answer 2

没有for的解决方案 - 循环，但stringr

library(stringr)
new_text <- str_c(df$V1, collapse = " ")
new_text <- str_replace_all(new_text, "END_ROW_WORD", "END_ROW_WORD\n")
read.table(text = new_text, fill = T)

#   V1 V2 V3           V4 V5           V6
# 1  D  2  f            h  k END_ROW_WORD
# 2  k  1  2 END_ROW_WORD                
# 3  e  g  j            2  k END_ROW_WORD

数据

df <- structure(list(V1 = structure(c(3L, 2L, 6L, 8L, 10L, 5L, 10L, 1L, 2L, 5L, 4L, 7L, 9L, 2L, 10L, 5L), .Label = c("1", "2", "D", "e", "END_ROW_WORD", "f", "g", "h", "j", "k"), class = "factor")), .Names = "V1", class = "data.frame", row.names = c(NA, -16L))

Answer 3

这可能不是最好的方法，但它有效

pos_help = which(grepl("END_ROW_WORD",data))

d = list()
for(i in 1:length(pos_help)){
  if(i == 1){
    d[[i]] = data[1:pos_help[1]]
  } else {
    d[[i]] = data[(pos_help[i-1]+1):pos_help[i]]
  }
}
dataFrame = do.call(rbind,lapply(d, "length<-", max(lengths(d))))

Answer 4

首先在每个"\n"标记之后添加换行符"END_ROW_WORD"，然后将结果粘贴到一个长字符串中。
然后，它使用read.table从文本连接中读取数据。

end <- "END_ROW_WORD"

inx <- c(0, grep(end, dat[[1]]))
s <- NULL
for(i in seq_along(inx)[-1]){
    s <- c(s, dat[[1]][(inx[(i - 1)] + 1):inx[i]], "\n")
}

con <- textConnection(paste(s, collapse = " "))
result <- read.table(con, fill = TRUE)
close(con)
result
#  V1 V2 V3           V4 V5           V6
#1  D  2  f            h  k END_ROW_WORD
#2  k  1  2 END_ROW_WORD                
#3  e  g  j            2  k END_ROW_WORD

DATA。

dat <-
structure(list(V1 = c("D", "2", "f", "h", "k", "END_ROW_WORD", 
"k", "1", "2", "END_ROW_WORD", "e", "g", "j", "2", "k", "END_ROW_WORD"
)), .Names = "V1", class = "data.frame", row.names = c(NA, -16L
))

编辑。

在OP编辑问题之后，我修改了代码以查看该文件是否可以正确读入data.frame。主要困难是该文件有许多不可打印的字符，read.table无法到达文件末尾。

解决此问题的

积分转到read.csv warning 'EOF within quoted string' prevents complete reading of file中接受的答案。我对问题和答案都表示赞同。

Credits 也必须提供给@kath，在答案中，使用字符串替换将换行符作为EOL标记的想法比我上面的丑陋for循环要好得多。与kath不同，我只使用base R，我不认为有必要加载外部包。

现在修改了代码。

# Use this first pattern if AUCTION also marks the end of a row
#pattern <- "(^LOT|^AUCTION)"
pattern <- "(^LOT)"

dat <- readLines("data_.csv")
s <- gsub("[[:cntrl:]]", "", dat)
s <- sub(pattern, "\\1\n", s)

con <- textConnection(paste(s, collapse = "\t"))
result <- read.table(con, sep = "\t", fill = TRUE, quote = "", row.names = NULL)
close(con)

head(result)
tail(result)
str(result)

我认为会有一些空行，所以我用以下代码检查了它。

#
# See if there are any empty rows
#
empty <- apply(result, 1, function(x) nchar(trimws(paste0(x, collapse = ""))) == 0)
sum(empty)
#[1] 0

Answer 5

没有循环，但使用map和split ....（因为为什么不：p）

library(tidyverse)
df <- tibble(x=c(
  "D",
  "2",
  "f",
  "h",
  "k",
  "END_ROW_WORD",
  "k",
  "1",
  "2",
  "END_ROW_WORD",
  "e",
  "g",
  "j",
  "2",
  "k",
  "END_ROW_WORD"
)  

)
split(df,cut(1:16,breaks=c(0,which(df == "END_ROW_WORD")))) %>%
  map_dfc(~rbind(.x,tibble(x=rep(NA,(6-nrow(.x)))))) %>% 
  t() %>% as.data.frame()

r - 基于一个固定文本将单列数据帧转换为具有行的数据帧

5 个答案: