r - 如何读取 csv 但仅在前两个逗号分隔符处分开？

Question

我有一个 CSV 文件。我想在 R 中读取文件，但只使用前 2 个逗号，即如果文件中有这样一行，

1,1000,I, am done, with you

在 R 中，我希望将其添加到具有这样三列的数据框的行

> df <- data.frame("Id"="1","Count" ="1000", "Comment" = "I, am done, with you")
> df
  Id Count              Comment
1  1  1000 I, am done, with you

Answer 1

正则表达式会起作用。

例如，假设 str 是您要识别的行。假设您的 csv 文件看起来像

1,1000,I, am done, with you
2,500, i don't know

如果要从文件中读取，只需调用readLines() 将文件的所有行读取为R 中的字符向量，就像str 一样。

技术非常简单。这里我使用{stringr}包来匹配文本，提取我需要的信息。

str <- c("1,1000,I, am done, with you", "2,500, i don't know")

library(stringr)

# match the strings by pattern integer,integer,anything
matches <- str_match(str,pattern="(\\d+),(\\d+),\\s*(.+)")

这里我简单解释一下模式(\\d+),(\\d+),\\s*(.+)。 \\d代表数字字符，\\s代表空格字符，.代表任何字符。 +表示一个或多个，*表示一个或多个。 () 对模式进行分组，以便该函数知道我们将什么视为一组信息。

如果你看匹配，它看起来像

     [,1]                          [,2] [,3]   [,4]                  
[1,] "1,1000,I, am done, with you" "1"  "1000" "I, am done, with you"
[2,] "2,500, i don't know"         "2"  "500"  "i don't know"        

看，str_match 函数成功地将文本按模式拆分为矩阵。那么我们的工作只是将矩阵转换为具有正确数据类型的数据框。

df <- data.frame(matches[,-1],stringsAsFactors=F)
colnames(df) <- c("Id","Count","Comment")
df <- transform(df,Id=as.integer(Id),Count=as.integer(Count))

df 是我们的目标:

  Id Count              Comment
1  1  1000 I, am done, with you
2  2  1002         i don't know