r - 在 R 中导入数据集时跳过元数据

Question

我的问题涉及将数据导入 R 时如何跳过文件开头的元数据。我的数据采用 .txt 格式，其中第一行是描述数据的元数据，这些需要被过滤掉。下面是制表符分隔格式的数据框的最小示例:

Type=GenePix Export                         
DateTime=2010/03/04 16:04:16                        
PixelSize=10                        
Wavelengths=635                     
ImageFiles=Not Saved                        
NormalizationMethod=None                        
NormalizationFactors=1                      
JpegImage=                      
StdDev=Type 1                       
FeatureType=Circular                        
Barcode=                        
BackgroundSubtraction=LocalFeature                      
ImageOrigin=150, 10                     
JpegOrigin=150, 2760                        
Creator=GenePix Pro 7.2.29.002                      
var1    var2    var3    var4    var5    var6    var7
1   1   1   molecule1   1F3 400 4020
1   2   1   molecule2   1B5 221 4020
1   3   1   molecule3   1H5 122 2110
1   4   1   molecule4   1D1 402 2110
1   5   1   molecule5   1F1 600 4020

如果我知道实际数据从哪一行开始，我可以使用下面所示的基本命令:

mydata <- read.table("mydata.txt",header=T, skip=15)

哪个会返回；

mydata
  var1 var2 var3      var4 var5 var6 var7
1    1    1    1 molecule1  1F3  400 4020
2    1    2    1 molecule2  1B5  221 4020
3    1    3    1 molecule3  1H5  122 2110
4    1    4    1 molecule4  1D1  402 2110
5    1    5    1 molecule5  1F1  600 4020

问题是我需要编写一个脚本来读取各种数据集，其中实际数据开始的行号从一开始变化数据集到另一个。我可以想象使用诸如 sqldf 包之类的东西，但我不太熟悉 sql。

任何帮助将不胜感激。

Answer 1

您可以使用 count.fields() 来确定 skip 参数。我将您的文件命名为“x.txt”

read.table("x.txt", skip = which.max(count.fields("x.txt") == 7) - 1, 
    header = TRUE)
#   var1 var2 var3      var4 var5 var6 var7
# 1    1    1    1 molecule1  1F3  400 4020
# 2    1    2    1 molecule2  1B5  221 4020
# 3    1    3    1 molecule3  1H5  122 2110
# 4    1    4    1 molecule4  1D1  402 2110
# 5    1    5    1 molecule5  1F1  600 4020

因此，这将在第一次出现七个字段时开始读取文件