如何将 R 的 read.table 与未定义数量的标题行一起使用？

Question

我想使用 R read.table 函数将我的文件数据加载到 data.frame 中。数据以制表符分隔，没有丢失条目。不幸的是，我的数据之前的序言行数会有所不同。我可以很容易地将 Java/C/Perl 解决方案组合在一起；但是，我在 R 中不太确定。文件内容（在精简的模型中）看起来像：

##header stuff
##header stuff
##header stuff
#column names column names column names
data    data  data   data  data   data
data    data  data   data  data   data
data    data  data   data  data   data
...
data    data  data   data  data   data

我希望 read.table 包含“#column names 列名列名”行作为 data.frame 的列标题。

我可以手动关闭文件顶部并从标题中删除“#”；但是，我计划对数百个文件进行自动化处理。

编辑 文件中的标头信息也可以以 @ 或! 开头。

谢谢

Answer 1

这应该可以帮助您：

readLines逐行读取。

grep 查找以# 或@ 或! 或任何标点符号[:punct:] 开头的行

max 索引是包含列名和gsub 的行，用于在拆分为列字符向量之前删除punctuation's

此外，如果您不确定需要跳过的行是否都包含#，这是read.table 的默认注释字符。最好跳过非数据列（即包含标题行的max）

log <- readLines("your_file")

column_heading_idx <- max(grep(log, pattern = "^[[:punct:]]"))   # index for header row

col_names <- gsub("[[:punct:]]", "", log[column_heading_idx])    # removed any punctuation
col_name_vec <- unlist(strsplit(col_names, split = " "))         # split into character vector

read.table("your_file", col.names = col_name_vec, 
           skip = column_heading_idx, comment.char = "")         # turned off character chr 

#   column names column.1 names.1 column.2 names.2
# 1   data  data     data    data     data    data
# 2   data  data     data    data     data    data
# 3   data  data     data    data     data    data

使用的数据：

writeLines("your_file", text = "##header stuff
##@header stuff
##@!header stuff
#@column names column names column names
data    data  data   data  data   data
data    data  data   data  data   data
data    data  data   data  data   data")