Question

我正在尝试解析制表符分隔的数据，该数据已保存为包含无关数据的文本文件。我希望这是一个R data.table / data.frame。

制表符分隔格式如下：

A   1092    -   1093    +   1X
B   1093    HRDCPMRFYT
A   1093    +   1094    -   1X
B   1094    BSZSDFJRVF
A   1094    +   1095    +   1X
B   1095    SSTFCLEPVV
...

只有两种类型的行，A和B.一直有5列，例如第一行，

1092    -   1093    +   1X

B始终有两列：

1093    HRDCPMRFYT

问题：如何使用不同格式的“交替”行解析文件？

假设这是一个文本文件，只有这种格式，交替的A和B行，分别有5列和2列。你如何将其解析为R data.table？我的想法是如何创建以下格式：

1092    -    1093    +    1X    1093    HRDCPMRFYT
1093    +    1094    -    1X    1094    BSZSDFJRVF
1094    +    1095    +    1X    1095    SSTFCLEPVV
...

Answer 1

一种方法是使用readLines读取数据，拉出所需的位，然后传递给read.table以形成数据帧。因此，如果行是交替的，那么：

txt <- 
'1092    -   1093    +   1X
1093    HRDCPMRFYT
1093    +   1094    -   1X
1094    BSZSDFJRVF
1094    +   1095    +   1X
1095    SSTFCLEPVV'


rd <- readLines(textConnection(txt))
data.frame(read.table(text=rd[c(TRUE, FALSE)]), 
           read.table(text=rd[c(FALSE, TRUE)]))

将textConnection(txt)更改为您的文件路径

另一种方法是只读入一次然后再处理

r <- read.table(text=txt, fill=TRUE, stringsAsFactors=FALSE, na.strings = "")
d <- cbind(r[c(TRUE, FALSE),], r[c(FALSE, TRUE),])
d[ colSums(is.na(d)) < nrow(d)]

如何将制表符分隔的数据（不同格式）解析为data.table / data.frame？

1 个答案: