Question

我正在从语言分析软件CLAN中将许多脚本导入R。 CLAN脚本以有关脚本中数据的一些信息开始，并以数据的量化结束。在这之间有一个单词列表。

所以我有这样的东西：

n <-

n       word         filename
Wed      Aug          010427 
freq    (01-Aug-2018) 010427 
ONLY    speaker       010427
******  NA            010427
From    file          010427
Speaker:*MOT:         010427
1        Al           010427
13       Alex         010427
1        Alex's       010427
2        Bert         010427
----     NA           010427
544                   010427

我想提取n == "Speaker:"和n == "----"所在行之间的所有数据。我的每个文件都一样。对于这些行，在两点上也word = NA。

我尝试使用dplyr::filter(ifelse(word %in% "Speaker:":"-----"))，但也许不用说，那是行不通的。任何其他建议都非常欢迎！

Answer 1

我建议创建一个新列，以指示该行是否在“扬声器”和“ ----”之间。如果介于此列之间，则该列应为1，否则为0！

df$is_in <- 0
df$is_in[df$n == "Speaker"] <- 1
df$is_in[df$n == "----"] <- -1 
df$is_in <- cumsum(df$is_in)  # that way it will jump to 1 when "speaker" and to 0 when "----"

df[as.logical(df$is_in),]  # will only select you the rows where "is_in" is 1!

要清除仍包含“扬声器”的行，只需df <- df[df$n != "Speaker", ]。

评论：此解决方案建议“扬声器”和“ ----”在您的数据框中多次出现，假设您的文件名中有一列，则假定为

希望有帮助！

Answer 2

由于您尝试使用dplyr解决方案，因此这里是dplyr解决方案：

df %>% mutate(keep = if_else(n == 'Speaker:',T,NA),
              keep = if_else(n == '----',F,keep)) %>%
       fill(keep, .direction='down') %>%
       filter(n != 'Speaker:', keep ==T)

首先，它创建一个列，以标记是否应保留数据（T / F），并以“ Speaker：”开始，以“ ----”结束。然后，它会过滤掉我们未标记为保留的数据以及“发言人：”行本身。

Answer 3

假设您已成功将其导入为数据框：

first_row = which(your_data$n == "Speaker:")
last_row = which(your_data$n == "-----")
result = your_data[first_row:last_row, ]

如果您不希望这些行包含在结果中，则可以使用(first_row + 1):(last_row - 1)。

与tobiaspk1的更一般的答案不同，这仅在“发言人”和“ -----”行唯一的情况下有效。

Answer 4

变化形式：

library(dplyr)
df %>% 
    filter(row_number() > which(n == "Speaker:") & row_number() < which(n == "----"))
#   n     word   filename
# 1 1     Al     010427  
# 2 13    Alex   010427  
# 3 1     Alex's 010427  
# 4 2     Bert   010427

在R

4 个答案: