【问题标题】:How to ignore comma in text para when saving in .csv format?以 .csv 格式保存时如何忽略文本段落中的逗号?
【发布时间】:2015-10-07 17:11:10
【问题描述】:

我正在尝试使用 rentrez 包中的不同函数从 NCBI 中提取数据。但是,我有一个问题,因为rentrez 中的函数extract_from_esummary() 导致矩阵,其中列的文本在保存在.csv 文件中时被拆分为相邻的列(如图所示),因为“,”被识别为分隔符.

  library (rentrez)
  PM.ID <- c("25979833", "25667274","23792568","22435913")

p.data <- entrez_summary(db = "pubmed", id = PM.ID  )
pubrecord.table <- extract_from_esummary(esummaries = p.data ,
                                         elements = c("uid","title","fulljournalname",
                                                      "pubtype"))

从上面的图像示例中,在 Column PMID: 25979833 中,期刊名称拆分为延伸到下一列。 European journal of cancer (Oxford在第 1 列中,然后在下一列中 England : 1990)。当我做了一个dput(pubrecord.table)时,我明白分裂是因为单词用逗号“,”分隔。我怎样才能让 R 明白European journal of cancer (Oxford, England : 1990) 属于同一列? Title 和 Pubtype 字段的类似问题......其中长文本之间有一个逗号,而 R 将其打破为 csv 格式。如何清理数据以使数据位于适当的列中?

【问题讨论】:

  • 如果不知道你的 server.R 是如何工作的,很难给出意见。if(is.na(input$PMID)) return(NULL) 在 sapply 可能工作之前。

标签: r regex dataframe gsub rentrez


【解决方案1】:

我认为这看起来像是 extract_from_esummary 中的一个错误。我在 Github 上搜索了 package's issues 中的“逗号”,得到了this,上面写着:

这不是rentrez的问题,只是NCBI记录和R对象的一个​​属性。

在这种情况下,pubtype 字段的大小是可变的。

当您尝试编写矩阵时,它表示向量,就像您在 (c(..., ...)) 中键入它们一样,这会添加一个逗号,从而破坏 csv 格式。

在这种情况下,您可以折叠向量并取消列出每个矩阵行以允许写出它们

问题页面也有代码示例。

【讨论】:

  • 嗨,gregor,我在你提到的 github 页面上提出了这个问题。我在 SO 上发布相同 Q 的原因是要查找是否有针对此问题的通用解决方案。如果您注意到,Github 示例解决了 pubtype 字段。但是,根据您的 PMID,变量字段会有所不同……标题或期刊名称或 pubtype 或其他内容。所以,认为这个简单的代码更改将解决所有问题pubrecord.table[,] &lt;- sapply(pubrecord.table[,], paste, collapse=" &amp; ")。但是,我收到一个错误Error in apply(pubrecord.reference, 1, unlist) : dim(X) must have a positive length
  • 我建议在 Github 上打开另一个问题。
猜你喜欢
  • 2017-09-14
  • 1970-01-01
  • 2022-06-13
  • 1970-01-01
  • 2020-07-01
  • 1970-01-01
  • 2017-08-08
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多