r - 将一个字符串拆分多个空格

Question

我正在尝试将一些数据加载到 R 中，采用以下格式(作为文本文件)

Name                  Country            Age
John,Smith            United Kingdom     20
Washington,George     USA                50
Martin,Joseph         Argentina          43

我遇到的问题是“列”用空格分隔，这样它们都排列得很好，但一行可能在值和接下来的 10 个空格之间有 5 个空格。所以当我使用 read.delim 加载它时我得到一个一列 data.frame

"John,Smith            United Kingdom     20"

作为第一次观察等等。

有什么办法可以:

将数据加载到 R 中为可用格式？或

一旦我以一列格式加载字符串，将字符串拆分为单独的列？

我的想法是用空格分割字符串，除非它需要在 2 到 x 个空格之间(例如， "United Kingdom" 保持在一起并且不会变成 "United" "" "Kingdom" )。但我不知道这是否可能。

我试过 strsplit(data.frame[,1], sep="\\s")但它返回一个字符串列表，如:

"John,Smith" "" "" "" "" "" "" "" "United" "" "Kingdom" "" ""...

我不知道该怎么办。

Answer 1

具有所有“排列整齐”的列是固定宽度数据的典型特征。

为了这个答案，我已经将您的三行数据和一行标题信息写入了一个名为“x”的临时文件。对于您的实际使用，将“x”替换为文件名/路径，就像您通常用于 read.delim 一样。 .

这是示例数据:

x <- tempfile()
cat("Name                  Country            Age\nJohn,Smith            United Kingdom     20\nWashington,George     USA                50\nMartin,Joseph         Argentina          43\n", file = x)

R 有它自己的读取固定宽度数据的功能( read.fwf )，但众所周知它很慢，您需要在开始之前知道宽度。如果文件很小，我们可以计算这些，然后使用类似的东西:

read.fwf(x, c(22, 18, 4), strip.white = TRUE, skip = 1, 
         col.names = c("Name", "Country", "Age"))
#                Name        Country Age
# 1        John,Smith United Kingdom  20
# 2 Washington,George            USA  50
# 3     Martin,Joseph      Argentina  43

或者，您可以让 fwf_widths从“readr”包中为您猜测宽度，然后使用 read_fwf :

library(readr)
read_fwf(x, fwf_empty(x, col_names = c("Name", "Country", "Age")), skip = 1)
#                Name        Country Age
# 1        John,Smith United Kingdom  20
# 2 Washington,George            USA  50
# 3     Martin,Joseph      Argentina  43