r - 在 R 中处理 ASCII

Question

我有一些来自人口普查的微数据文件存储为 .txt 并以 ASCII 编码。
当我在文本编辑器中打开它们时，我得到如下信息:1100015110001500100100003624008705865085282310200600101011022022 14 444231等等。

由于我对 ASCII 数据的制表没有经验，我想知道是否有任何方法可以用 R 和/或我需要什么类型的补充软件来完成这项工作。

实际上，起初我想对我的数据进行“正常”查看，也就是说，如果可能的话，将其视为表格(文件大小在 40mb 到 500mb 之间变化)。然后我想做一些简单的计算，然后将结果存储为 csv。在其他上下文中使用它。

谁能给我一些建议？

Answer 1

这个巴西人口普查网站提供了一个 SAS 输入脚本。仅使用 SAS 导入脚本导入 ASCII 数据集的最快方法是使用 the SAScii package .您可以在 this zipped file 中找到 SAS 导入脚本-- 它是 INPUT.txt。请注意，这些 SAS 导入指令的 INPUT 块直到第四行才开始，因此您的 beginline参数将为 4。首先使用 ?parse.SAScii 测试您是否正确读取了 SAS 脚本。

library(SAScii)
parse.SAScii( "INPUT.txt" , beginline = 4 )

一旦你看到它正确打印了列名和宽度，你可以使用 ?read.SAScii函数将您的文本文件直接读入 R 数据框

x <- read.SAScii( "filename.txt" , "INPUT.txt" , beginline = 4 )
head( x )

如果您的文件太大而无法完全读入 RAM，您可以将其读入 SQLite 数据库。使用 read.SAScii.sqlite()未在 SAScii 包中但在 my github account here 中找到的函数-- 它只是 read.SAScii() 函数的一个细微变化，但它不会使 RAM 过载。您可以在此 united states government survey data set website 的下载脚本中看到其用法示例。 .

有关 SAScii 包的更多详细信息，请查看 this overview