gpt4 book ai didi

r - 使用 read.table 或 readLines 的条件输入

转载 作者:行者123 更新时间:2023-12-04 11:59:40 25 4
gpt4 key购买 nike

我正在努力使用 readLines()read.Table()在 R 中获得格式良好的数据框。

我想阅读类似 this 的文件这是曲棍球统计数据。我想获得一个格式良好的数据框,但是,指定要读取的具体行数很困难,因为在 this 等其他文件中玩家人数不同。此外,非玩家,签名为 #.AC , #.HC等等,不应读入。

我试过这样的事情

LINES <- 19  
stats <- read.table(file=Datei, skip=11, header=FALSE, stringsAsFactors=FALSE,
encoding="UTF-8", nrows=LINES)

但如上所述, LINES 的值每次都不一样。

我也试过 readLinesthis发布,但没有运气。

有没有办法在 read.table 中集成条件,比如(伪代码)
if (first character == "AC") {
break read.table
}

对不起,如果这看起来很奇怪,我在脚本或编码方面没有太多经验。

任何帮助表示赞赏,非常感谢!

问候!

最佳答案

您的数据显示了一些应该按顺序处理的困难,这意味着您不应该尝试使用一个命令读取整个文件:

阅读普通行并找到开始和停止行

根据您在我的建议中读取的文件的规范,首先找到您实际想要通过任何指标读取的第一行。所以这可以是一个单独的数字,它总是相同的,或者在我的例子中“TEAM STATS”行之后的两行。只需查找起始行后仅包含空格的第一行,即可再次轻松查找最后一行:

lines <- readLines( Datei )
start <- which(lines == "TEAM STATS") + 2
end <- start + min( grep( "^\\s+$", lines[ start:length(lines) ] ) ) -2
lines <- lines[start:end]

读取数据到 data.frame
在您的情况下,您会遇到一些并发症:
  • 您的标题行以 # 开头默认情况下,它被识别为注释字符,忽略该行。但即使您关闭此行为( comment.char = "" ),它也不是有效的列名。
  • 如果我们告诉 read.table 沿着空格拆分列,您最终会在数据中多出一列,而不是在标题中,因为 Player 列在单元格中包含空格。所以目前最好的办法是忽略标题行并让 read.table使用它的默认行为 ( comment.char = "#" ) 执行此操作。此外,我们将 PLAYER 列分成两部分,稍后会解决这个问题。
  • 您将无法将第一列用作 row.names因为它们不是唯一的。
  • 行的长度不等,因为 POS 列并非处处填充。

  • :
    tab <- read.table( text = lines[ start:end ], fill = TRUE, stringsAsFactors=FALSE )
    # fix the PLAYER column
    tab$V2 <- paste( tab$V2, tab$V3 )
    tab <- tab[-3]

    修复标题

    只需在多个空格处拆分起始行,并通过有效的列名重置第一个条目 ( # ):
    colns <- strsplit( lines[start], "\\s+" )[[1]]
    colns[1] <- "code"
    colnames(tab) <- colns

    修复案例“POS”为空

    这是通过查找最后一个单元格包含 NA 的行来完成的。 s 并将它们向右移动一个单元格:
    colsToFix <- which( is.na(tab[, "SHO%"]) )
    tab[ colsToFix, 4:ncol(tab) ] <- tab[ colsToFix, 3:(ncol(tab)-1) ]
    tab[ colsToFix, 3 ] <- NA

    > str(tab)
    'data.frame': 25 obs. of 20 variables:
    $ code : chr "93" "91" "61" "88" ...
    $ PLAYER: chr "Eichelkraut, Flori" "Müller, Lars" "Alt, Sebastian" "Gross, Arthur" ...
    $ POS : chr "F" "F" "D" "F" ...
    $ GP : chr "8" "6" "7" "8" ...
    $ G : int 10 1 4 3 4 2 0 2 1 0 ...
    $ A : int 5 11 5 5 3 4 6 3 3 4 ...
    $ PTS : int 15 12 9 8 7 6 6 5 4 4 ...
    $ PIM : int 12 10 12 6 2 36 37 29 6 0 ...
    $ PPG : int 3 0 1 1 1 1 0 0 1 0 ...
    $ PPA : int 1 5 2 2 1 2 4 2 1 1 ...
    $ SHG : int 0 1 0 1 1 0 0 0 0 0 ...
    $ SHA : int 0 0 1 0 1 0 0 1 0 0 ...
    $ GWG : int 2 0 1 0 0 0 0 0 0 0 ...
    $ FG : int 1 0 1 1 1 0 0 0 0 0 ...
    $ OTG : int 0 0 0 0 0 0 0 0 0 0 ...
    $ UAG : int 1 0 1 0 0 0 0 0 0 0 ...
    $ ENG : int 0 0 0 0 0 0 0 0 0 0 ...
    $ SHOG : int 0 0 0 0 0 0 0 0 0 0 ...
    $ SHOA : num 0 0 0 0 0 0 0 0 0 0 ...
    $ SHO% : num 0 0 0 0 0 0 0 0 0 0 ...

    关于r - 使用 read.table 或 readLines 的条件输入,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16384117/

    25 4 0
    Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
    广告合作:1813099741@qq.com 6ren.com