Question

当我要读取的数据有一些带有字符串的列时，我不知道如何使用read.table命令。

我有一个.dat文件，其中包含28列和100行。

  Año  Mes  Día Hora  Min      SO2      NOx       CO       O3     PM10    PM2.5     VelV     DirV     Temp   SO2_MH   NOx_MH    CO_MH    O3_MH  PM10_MH PM2.5_MH   Pred_SO2   Pred_NOx     PredBin_SO2     PredBin_NOx  CodM_SO2  CodM_NOx          Mensaje_SO2          Mensaje_NOx
 2018    5   15   16   38    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00    99.00    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00      -1.00      -1.00           -1.00           -1.00         0         0                                          
 2018    5   15   16   39    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00    99.00    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00      -1.00      -1.00           -1.00           -1.00         0         0                                          
 2018    5   16   11   29     4.15     7.51     0.33    77.00    13.00     5.00     1.13   259.00    14.50     4.15     7.51     0.33    77.00    13.00     5.00       4.15       7.51            0.03            0.00         1         1        No hay alarma        No hay alarma
 2018    5   16   11   30     4.15     7.51     0.33    77.00    13.00     5.00     1.13   259.00    14.50     4.15     7.51     0.33    77.00    13.00     5.00       4.15       7.51            0.03            0.00         1         1        No hay alarma        No hay alarma

当我尝试读取数据时，它的前26列可以读取，但第27列和第28列分别是“ No”和“ hay”，因此我想读取第27列的完整句子，并在第28个。

这就是我用的

min <- read.table("min.dat",header=T, fill = TRUE)

但是我想我必须以某种方式使用quote参数... （我使用fill = TRUE，因为其中一些字符串为空白）。

Answer 1

如果您可以指定每列的开始和结束位置，则可以使用readr::read_fwf()进行操作：


library(readr)
library(dplyr)
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
fname <- 'sample.txt'
write_file(
  '  Año  Mes  Día Hora  Min      SO2      NOx       CO       O3     PM10    PM2.5     VelV     DirV     Temp   SO2_MH   NOx_MH    CO_MH    O3_MH  PM10_MH PM2.5_MH   Pred_SO2   Pred_NOx     PredBin_SO2     PredBin_NOx  CodM_SO2  CodM_NOx          Mensaje_SO2          Mensaje_NOx
 2018    5   15   16   38    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00    99.00    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00      -1.00      -1.00           -1.00           -1.00         0         0                                          
 2018    5   15   16   39    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00    99.00    -1.00    -1.00    -1.00    -1.00    -1.00    -1.00      -1.00      -1.00           -1.00           -1.00         0         0                                          
 2018    5   16   11   29     4.15     7.51     0.33    77.00    13.00     5.00     1.13   259.00    14.50     4.15     7.51     0.33    77.00    13.00     5.00       4.15       7.51            0.03            0.00         1         1        No hay alarma        No hay alarma
 2018    5   16   11   30     4.15     7.51     0.33    77.00    13.00     5.00     1.13   259.00    14.50     4.15     7.51     0.33    77.00    13.00     5.00       4.15       7.51            0.03            0.00         1         1        No hay alarma        No hay alarma                         ',
  fname
)

hdr <- read_lines(fname,n_max = 1)
cnames <- hdr %>%
  trimws()%>%
  strsplit('\\s+')%>%
  unlist()

m <- gregexpr('\\S(?=\\s|$)',hdr,perl = T) # Find end position of columns
epos <-unlist(m)
spos <- lag(epos+1,1,default = 1)

read_fwf(fname,fwf_positions(start = spos,end = epos,col_names = cnames),skip = 1)
#> Parsed with column specification:
#> cols(
#>   .default = col_double(),
#>   Mensaje_SO2 = col_character(),
#>   Mensaje_NOx = col_character()
#> )
#> See spec(...) for full column specifications.
#> # A tibble: 4 x 28
#>     Año   Mes   Día  Hora   Min   SO2   NOx    CO    O3  PM10 PM2.5  VelV
#>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1  2018     5    15    16    38 -1    -1    -1       -1    -1    -1 -1   
#> 2  2018     5    15    16    39 -1    -1    -1       -1    -1    -1 -1   
#> 3  2018     5    16    11    29  4.15  7.51  0.33    77    13     5  1.13
#> 4  2018     5    16    11    30  4.15  7.51  0.33    77    13     5  1.13
#> # … with 16 more variables: DirV <dbl>, Temp <dbl>, SO2_MH <dbl>,
#> #   NOx_MH <dbl>, CO_MH <dbl>, O3_MH <dbl>, PM10_MH <dbl>, PM2.5_MH <dbl>,
#> #   Pred_SO2 <dbl>, Pred_NOx <dbl>, PredBin_SO2 <dbl>, PredBin_NOx <dbl>,
#> #   CodM_SO2 <dbl>, CodM_NOx <dbl>, Mensaje_SO2 <chr>, Mensaje_NOx <chr>

^{由reprex package（v0.3.0）于2019-05-21创建}

我得到28列具有期望值的

如何读取数据集的列中的字符串

1 个答案: