R - 导入一个文本文件，其中包含主数据表上方标题行中的信息答案

【问题标题】：R - Importing a text file which includes information in header lines above the main data tableR - 导入一个文本文件，其中包含主数据表上方标题行中的信息
【发布时间】：2020-04-25 15:39:33
【问题描述】：

我想导入一个文本文件，其中包含一个结果表，上面有两个“标题”文本行。标题行的内容需要作为额外的列包含在结果 data.frame 中。

在以下示例文本文件中，Region 和 Month 行是标题行，文件的其余部分是结果表。

Region  South Africa
Month   July
Sepal.Length    Sepal.Width Petal.Length    Petal.Width Species
1   5.1 3.5 1.4 0.2 setosa
2   4.9 3   1.4 0.2 setosa
3   4.7 3.2 1.3 0.2 setosa

需要成为一个包含区域和月份列的data.frame：

wanted.df<-structure(list(Sepal.Length = c(1, 2, 3), Sepal.Width = c(5.1, 
4.9, 4.7), Petal.Length = c(3.5, 3, 3.2), Petal.Width = c(1.4, 
1.4, 1.3), Species = c(0.2, 0.2, 0.2), Region = c("South Africa", 
"South Africa", "South Africa"), Month = c("July", "July", "July"
)), row.names = c(NA, -3L), class = c("spec_tbl_df", "tbl_df", 
"tbl", "data.frame"))

我设法通过创建两个 data.frames 来做到这一点，一个包含标题信息，第二个包含结果表，然后合并它们，但这在我看来有点笨拙：

#Create data frame from first two lines of text (the header)
header <- scan('example.txt', nlines = 2, what = character(),sep = "\n")
header.df<-data.frame((sapply(header,function(x){str_split(x, "\t")})),stringsAsFactors=FALSE)
colnames(header.df) <- as.character(header.df[1,])
header.df<-header.df[-1,]

#Create data frame from first remainder of the file which contains the results table  
results.df<-read_tsv('example.txt',col_names = T,skip=2)

#helper column added to both data frames for merging
results.df$helper.col<- "match"
header.df$helper.col<-"match"
df.example<-inner_join(results.df,header.df, by = "helper.col", copy = FALSE)
wanted.df<-select(df.example,-helper.col)

有没有更优雅的方式？

【问题讨论】：

你怎么知道“南非”是一个词而不是单独的词？还是您知道标题中总是只有两列？
@RonakShah - 它似乎是一个制表符分隔文件（OP 使用read_tsv() 并在\t 上拆分标题信息）。
@RonakShah，是的，它是一个制表符分隔文件（并且标题中的列数是固定的）。

标签： r dataframe text import

【解决方案1】：

我会这样做：

header <- readLines('file.txt', n = 2)
header <- stringi::stri_split_regex(header, '\\W+', n = 2)

dat <- read.table('file.txt', skip = 2, stringsAsFactors = FALSE)
for(i in header){ dat[ i[1] ] <- i[2] }

# > dat
#   Sepal.Length Sepal.Width Petal.Length Petal.Width Species       Region Month
# 1          5.1         3.5          1.4         0.2  setosa South Africa  July
# 2          4.9         3.0          1.4         0.2  setosa South Africa  July
# 3          4.7         3.2          1.3         0.2  setosa South Africa  July

【讨论】：

【解决方案2】：

假设@H 1 的注释是正确的，它是一个制表符分隔的文件。我们可以的

df1 <- read.table('example.txt', nrows = 2, sep = "\t")
df2 <- data.frame(matrix(df1$V2, ncol = nrow(df1), dimnames = list(NULL, df1$V1)))
df3 <- read.table(text = 'example.txt', skip = 2, header = TRUE)
cbind(df3, df2)

#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species       Region Month
#1          5.1         3.5          1.4         0.2  setosa South Africa  July
#2          4.9         3.0          1.4         0.2  setosa South Africa  July
#3          4.7         3.2          1.3         0.2  setosa South Africa  July

【讨论】：