文本文件到带有列表列的数据框

Question

我正在尝试读取这样的文本文件：

exp1 sample1 2 5  
exp2 sample1 2 3 5 7
exp1 sample2 1 2 6

到具有如下列表列的数据框：

tibble(exp = c("exp1", "exp2", "exp3"), 
       sample = c("sample1","sample1","sample2"), 
       listdata = list(list(2,5), list(2,3,5,7), list(1,2,6)))

# A tibble: 3 x 3
    exp  sample   listdata
  <chr>   <chr>     <list>
1  exp1 sample1 <list [2]>
2  exp2 sample1 <list [4]>
3  exp3 sample2 <list [3]>

目的是利用前两列的元数据对列表进行选择和操作。

我可以将行作为列表读取，但不知道如何分隔元数据：

listdata <- read_lines("list_c_data.txt") %>% strsplit(., " ") %>% tibble()

有什么建议吗？我可能需要逐行读取文件，因为观察次数可能> 100000，并且每行中列表的长度可能> 1000

Answer 1

我们使用read.table/read.csv 和fill = TRUE 读取文件，然后gather（来自tidyr）数据集的倒数第三列将其重塑为“长”格式，按“V1”和“分组” V2'，我们将summarise 'Val' 作为list 然后rename 列（如有必要）。

library(dplyr)
library(tidyr)
df1 <- read.table("yourfile.txt", header=FALSE, fill = TRUE)
gather(df1, Var, Val, V3:ncol(df1), na.rm = TRUE) %>%
         group_by(V1, V2) %>% 
         summarise(Val = list(Val)) %>%
         rename(exp=V1, sample = V2, listdata = Val)             

---

或者我们可以scan 读取行，strsplit 按空格，将 'lst' 中的元素（过滤掉第一个和第二个）转换为 numeric 而我们 rbind 将第一个和第二个元素转换为data.frame 并创建“lst2”作为第三列。

l1 <- trimws(scan("yourfile.txt", what ="", sep="\n", quiet=TRUE))
lst <- strsplit(l1, " ")
lst2 <- lapply(lst, function(x) as.numeric(x[-(1:2)]))
d1 <- setNames(do.call(rbind.data.frame, lapply(lst, 
                function(x) x[1:2])), c("exp", "sample"))
d1$listdata <- lst2