使用 fread 读取对齐的列数据

Question

我遇到了这样的文件:

COL1        COL2          COL3
weqw        asrg          qerhqetjw
weweg       ethweth       rqerhwrtjw
rhqerhqerhq qergqer       qerhqew5h
qerh        qergqer       wetjwryerj

我无法直接使用 fread 加载它所以我更换了 \s+来自 ,与 sed比我给 fread 并解决了它。但是是否有一种内置的方式可以使用 data.table 读取此类数据？ ?

Answer 1

fread(还)没有任何读取 fixed-width files 的能力。

我也经常遇到这样烦人的文件。随意在 Github page 上添加功能请求。

在您的情况下可能并非如此，但是您使用 sed 的解决方案在我遇到的很多 FWF 上都不起作用，因为列之间没有空格，例如你会看到像 00010 这样的字符串，它实际上包含 3 个字段。

如果是这种情况，您将需要一个字段宽度字典，此时您有几个选择:

read.fwf R

内

编写 fwf -> csv 程序(我使用我在 Python 中编写的程序，它非常快，如果您愿意，可以共享代码)--基本上是初始方法的增强版本，因此您永远不必再次使用 FWF

在 Excel/LibreOffice/等中打开；有一个 native FWF 阅读器会尝试(通常很糟糕)猜测列的宽度，它至少完成了为您指定列宽的一半工作。然后您可以将其另存为 .csv 或其他格式。

我个人最常坚持第二种选择。 read.fwf 没有像 fread 那样优化，所以它可能会很慢。如果你有很多(比如 20+)的 FWF 需要阅读，第三个选项非常乏味。

但我同意在 fread 中内置这样的东西会很好。