Question

提前感谢所有

因此，我有一个来自.tsv的数据框，类似于此：

##ID_value=1829
##exportDate=1-18-2019 
ChemID    BasedMaterial  State
MSO11D    Oxygen         Gas
GSX55E    Carbon         Liquid

对吗？因此，我只想做的就是添加一个名为ID的新列，其中填充了##注释中ID_value的值，从而得到了这样的内容：

ID    ChemID    BasedMaterial  State
1829  MSO11D    Oxygen         Gas
1829  GSX55E    Carbon         Liquid

问题是，当我从.tsv导入时，我松开了所有注释值，这很好，我实际上并不需要它们在输出文件（excel表）中。但是这样做，我也会丢失该信息，这对于公开的目的很有用。

那么，有没有一种方法可以使用##注释中的值来创建所述列，也可以摆脱这些注释以创建表？非常感谢

Answer 1

虽然StupidWolf的答案有效，但我认为篡改经过验证的read.table的文件操作来代替解析文本通常不是一个好主意：随着文件变大，这会带来一定的损失（通常增加20％） 10万行，更多则更大）。

如果已知模式在顶部，请阅读前几行，找到相关部分，然后在原始文件上调用read.table（带有原始参数）。

#' @param file 'character', the name of the file which the data are to be read from
#' @param ... other arguments passed to 'read.table'
#' @param meta_char 'character', the string (or pattern) that indicates a 'key=val' or 'note'
#' @param meta_rows 'integer', maximum number of rows to look for meta
#' @param meta_unnamed 'character', used for column-header of meta when no '=' is found
#' @param meta_skip_more 'integer', number of lines beyond the meta rows to skip for real data
#' @return 'data.frame', with any meta data augmented as columns
read_table_with_meta <- function(file, ...,
                                 meta_char = "#", meta_rows = 10L, meta_unnamed = "meta",
                                 meta_skip_more = 0L) {
  toplines <- readLines(file, n = meta_rows)
  meta_ptn <- paste0("^", meta_char)

  dots <- list(...)
  if ("skip" %in% names(dots)) {
    warning("'skip' is determined by 'read_table_with_meta' and should not be assigned; if you need to skip more rows after meta rows, then use 'meta_skip_more'; 'skip=' is ignored here")
    dots$skip <- NULL
  }

  if (all(grepl(meta_ptn, toplines))) {
    stop("all lines looked like header rows, suggest you increase 'meta_rows'")
  }

  toplines <- toplines[ grepl(meta_ptn, toplines) ]
  skip <- length(toplines) + meta_skip_more
  toplines <- gsub(paste0("^", meta_char, "+\\s*"), "", toplines)

  if (length(toplines)) {
    keys <- gsub("\\s*=.*", "", toplines)
    vals <- gsub("^[^=]*\\s*=\\s*", "", toplines)
    unnamed <- (keys == vals)
    keys[unnamed] <- paste0(meta_unnamed, seq_along(keys[unnamed]))
    keyvals <- setNames(as.list(vals), keys)
  } else keyvals <- NULL

  dat <- do.call("read.table", c(list(file, skip = skip), dots))
  if (is.null(keyvals)) dat else cbind(dat, keyvals)
}

注意：

这仅搜索前10行（默认情况下），以为一旦找到未注释的行，您就不应该尝试解析整个文件；如果您在文件中间有评论，那么这个答案是不够的；
此函数将所有这些行分配给字段；这可能不是最通用的处理方式，但我认为它可以解决您的要求；阅读后，您可以丢弃不需要的字段；
如果不是所有注释掉的标题中都包含unnamed，请使用=部分；只是一个技巧，不确定对您是否必要或有用。

演示：

### safe with no-meta files
text=c("ChemID    BasedMaterial  State", "MSO11D    Oxygen         Gas", "GSX55E    Carbon         Liquid")
writeLines(text, "test.txt")
read_table_with_meta("test.txt", header=T)
#   ChemID BasedMaterial  State
# 1 MSO11D        Oxygen    Gas
# 2 GSX55E        Carbon Liquid

### simple case
text=c("##ID_value=1829", "##exportDate=1-18-2019 ", "ChemID    BasedMaterial  State", "MSO11D    Oxygen         Gas", "GSX55E    Carbon         Liquid")
writeLines(text, "test.txt")
read_table_with_meta("test.txt", header = TRUE)
#   ChemID BasedMaterial  State ID_value exportDate
# 1 MSO11D        Oxygen    Gas     1829 1-18-2019 
# 2 GSX55E        Carbon Liquid     1829 1-18-2019 

### unnamed meta
text=c("##ID_value=1829", "##exportDate=1-18-2019 ", "##somethingelse", "ChemID    BasedMaterial  State", "MSO11D    Oxygen         Gas", "GSX55E    Carbon         Liquid")
writeLines(text, "test.txt")
read_table_with_meta("test.txt", header = TRUE)
#   ChemID BasedMaterial  State ID_value exportDate         meta1
# 1 MSO11D        Oxygen    Gas     1829 1-18-2019  somethingelse
# 2 GSX55E        Carbon Liquid     1829 1-18-2019  somethingelse

### multiple unnamed meta
text=c("##ID_value=1829", "##exportDate=1-18-2019 ", "##somethingelse", "##key=val", "##more", "ChemID    BasedMaterial  State", "MSO11D    Oxygen         Gas", "GSX55E    Carbon         Liquid")
writeLines(text, "test.txt")
read_table_with_meta("test.txt", header = TRUE)
#   ChemID BasedMaterial  State ID_value exportDate         meta1 key meta2
# 1 MSO11D        Oxygen    Gas     1829 1-18-2019  somethingelse val  more
# 2 GSX55E        Carbon Liquid     1829 1-18-2019  somethingelse val  more

Answer 2

您可以尝试下面的功能，解释在注释中。

func = function(FILE,COMMENTCHAR,VALUE){

allLines = readLines(FILE)
#exclude lines with comments
# and make table
tab =  read.table(text=allLines[!grepl(COMMENTCHAR,allLines)],header=TRUE)
#find the line which has the value in comments
value = allLines[grepl(VALUE,allLines) & grepl(COMMENTCHAR,allLines)]
# we split to get the name and value
value = unlist(strsplit(gsub("#","",value),"="))
df = data.frame(value[2],tab)
colnames(df)[1] = value[1]
return(df)
}

主要思想是使用readLines来获取所有内容。我们将没有注释的行转换为表。然后从带有注释的行中搜索所需的值，并将其作为第一列。然后在您的文本文件上尝试一下：

text=c("##ID_value=1829", "##exportDate=1-18-2019 ", "ChemID    BasedMaterial  State",
"MSO11D    Oxygen         Gas", "GSX55E    Carbon         Liquid"
)
writeLines(text,"test.txt")
func("test.txt","#","ID")

  ID_value ChemID BasedMaterial  State
1     1829 MSO11D        Oxygen    Gas
2     1829 GSX55E        Carbon Liquid

从R中的注释（＃）中提取值

2 个答案: