我如何读取包含一些附加文本数据的 csv 文件答案

【问题标题】：how can i read a csv file containing some additional text data我如何读取包含一些附加文本数据的 csv 文件
【发布时间】：2013-03-02 09:37:00
【问题描述】：

我需要在 R 中读取一个 csv 文件。但该文件在某些行中包含一些文本信息，而不是逗号值。所以我无法使用 read.csv(fileName) 方法读取该文件。文件内容如下：

name:russel date:21-2-1991
abc,2,saa
anan,3,ds
ama,ds,az
,,

name:rus date:23-3-1998
snans,32,asa
asa,2,saz

我只需要将每个名称、日期对的值存储为数据框。为此，我如何读取该文件？

其实我需要的输出是

>dataFrame1
    abc,2,saa
    anan,3,ds
    ama,ds,az
>dataFrame2
    snans,32,asa
    asa,2,saz

【问题讨论】：

看看这个stackoverflow.com/q/4629115/1290420

标签： r csv

【解决方案1】：

您可以使用scan 读取数据，并使用grep 和sub 函数提取重要值。

正文：

text <- "name:russel date:21-2-1991
abc,2,saa
anan,3,ds
ama,ds,az
,,

name:rus date:23-3-1998
snans,32,asa
asa,2,saz"

这些命令会生成一个包含名称和日期值的数据框。

# read the text
lines <- scan(text = text, what = character())
# find strings staring with 'name' or 'date'
nameDate <- grep("^name|^date", lines, value = TRUE)
# extract the values
values <- sub("^name:|^date:", "", nameDate)
# create a data frame
dat <- as.data.frame(matrix(values, ncol = 2, byrow = TRUE,
                            dimnames = list(NULL, c("name", "date"))))

结果：

> dat
    name      date
1 russel 21-2-1991
2    rus 23-3-1998

更新

要从不包含名称和日期信息的字符串中提取值，可以使用以下命令：

# read data
lines <- readLines(textConnection(text))
# split lines
splitted <- strsplit(lines, ",")
# find positions of 'name' lines
idx <- grep("^name", lines)[-1]
# create grouping variable
grp <- cut(seq_along(lines), c(0, idx, length(lines)))
# extract values
values <- tapply(splitted, grp, FUN = function(x)
                                        lapply(x, function(y)
                                                    if (length(y) == 3) y))
create a list of data frames
dat <- lapply(values, function(x) as.data.frame(matrix(unlist(x),
                                                       ncol = 3, byrow = TRUE)))

结果：

> dat
$`(0,7]`
    V1 V2  V3
1  abc  2 saa
2 anan  3  ds
3  ama ds  az

$`(7,9]`
     V1 V2  V3
1 snans 32 asa
2   asa  2 saz

【讨论】：

先生。这个答案对我非常有用。但我需要的实际输出不同。请参阅问题中的编辑。

【解决方案2】：

我会首先将整个文件作为字符列表读取，即文件中每一行的字符串，这可以使用readLines 来完成。接下来，您必须找到新日期的数据开始的位置，即查找,,，请参阅grep。然后取每个数据块的第一个条目，例如使用 stringr 包中的 str_extract。最后，您需要拆分所有剩余的数据字符串，请参阅strsplit。

【讨论】：