如何讀取包含逗號分隔的不同長度的矢量的CSV文件？

Question

假設您有一個CSV文件。 文件的每一行都有數字，向量和日期。 每個向量的元素由分號分隔。 例如，此csv文件中的向量y看起來像“; 1; 2; 4; 7; 2”。 矢量是不同的長度。 我無法使用讀取此文件

read.table() 

要么

read.csv()

即使嘗試了類似於此處所寫的內容如何將包含撇號的.csv文件讀入R？ 。 下面是CSV文件中3行的簡化版本

1,6,;2;3.1;45;31.2;3,2,;1;1;1;1;1;5,10/22/1938 1:25
2,5,;1;22;12;1.4;66,7,;2;3;4;5;6;7;8;6;9,11/25/1938 1:25
3,1,;1;2;3;4;5;6;7;8;9,3.2,;1;2;3;4;5;6;7;9;10;11,11/25/1958 1:25

這里是逗號之間的空格，以使其更具可讀性

1, 6, ;2;3.1;45;31.2;3, 2, ;1;1;1;1;1;5, 10/22/1938 1:25
2, 5, ;1;22;12;1.4;66, 7, ;2;3;4;5;6;7;8;6;9, 11/25/1938 1:25
3, 1, ;1;2;3;4;5;6;7;8;9, 3.2, ;1;2;3;4;5;6;7;9;10;11, 11/25/1958 1:25

每行具有相同數量的'，'s，行之間唯一的主要區別是矢量可以不同。 請注意，有時字段可能為空。 我認為輸出以列表列表的形式最有意義。 我正在考慮編寫我自己的函數，它實際上看起來像（我不是很精通列表，所以我的語言可能會離這里）

data <- empty list of a list
while (we haven't reached the end of the file){ #don't know the function to do this
  temp = get first line of file #don't know the function to do this
  if temp is not empty{ #don't know the function to do this
    indices = which(temp==',')
    indices.col = which(temp==';')
    put temp[1:(indices(1)-1)] in the (counter,1) location of data;
    put temp[(indices(1)+1):(indices(2)-1)] in the (counter,2) location of data; 
    store the vector and deal with the colons somehow in (counter,3) location of data;
  }
}

是否有更簡單的方法來執行此操作，可能以我錯過的方式使用read.table。 我沒有開始使用列表列表來執行此操作。 我想基本上對形式y = mx + b進行一些回歸分析，其中x是數值條目之一，y是應用於其中一個向量條目的函數的標量輸出（例如sum（vector）= a *行+ b）的第一個條目。 所以也許記住這一點。 另請注意，可以選擇讓此文件使用除半冒號之外的其他字符來分隔矢量。

Answer 1

使用read.csv讀取它。 然后可以重新讀取第3列和第5列，為每個矩陣創建一個矩陣，並用這些矩陣替換它們的列，即第3列成為矩陣，第5列也是如此，如str輸出所示：

Lines <- "1,6,;2;3.1;45;31.2;3,2,;1;1;1;1;1;5,10/22/1938 1:25
2,5,;1;22;12;1.4;66,7,;2;3;4;5;6;7;8;6;9,11/25/1938 1:25
3,1,;1;2;3;4;5;6;7;8;9,3.2,;1;2;3;4;5;6;7;9;10;11,11/25/1958 1:25
"

DF <- read.csv(text = Lines, header = FALSE, as.is = TRUE)
DF2 <- transform(DF,
       V3 = as.matrix(read.table(text = V3, sep = ";", fill = TRUE)),
       V5 = as.matrix(read.table(text = V5, sep = ";", fill = TRUE))
    )

str輸出。 請注意，第3列和第5列本身都是一個矩陣：

> str(DF2)
'data.frame':   3 obs. of  6 variables:
 $ V1: int  1 2 3
 $ V2: int  6 5 1
 $ V3: num [1:3, 1:10] NA NA NA 2 1 1 3.1 22 2 45 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : NULL
  .. ..$ : chr  "V1" "V2" "V3" "V4" ...
 $ V4: num  2 7 3.2
 $ V5: int [1:3, 1:11] NA NA NA 1 2 1 1 3 2 1 ...
  ..- attr(*, "dimnames")=List of 2
  .. ..$ : NULL
  .. ..$ : chr  "V1" "V2" "V3" "V4" ...
 $ V6: chr  "10/22/1938 1:25" "11/25/1938 1:25" "11/25/1958 1:25"

另請注意，如果您想要展平它，請嘗試：

 DF.flat <- do.call(data.frame, DF2)

增加：如何變平。

Answer 2

仍然不確切知道你在尋找什么，這是一個建議。

從G.Grothendieck的答案開始：

### Optional cleanup to remove the leading semicolon.
### Not doing so will result in a couple of empty columns.
DF$V3 <- gsub("^;", "", DF$V3)
DF$V5 <- gsub("^;", "", DF$V5)

我建議concat.split.multiple從我的“splitstackshape”包，因為（1）你可以一次分裂多列; （2）每列可以有不同的分隔符; （3）您可以選擇分割數據的“寬”或“長”表示。 長形式可以使用“reshape2”軟件包中的melt和dcast等工具進一步操作，為您以后做其他事情提供了很大的靈活性。

library(splitstackshape)
concat.split.multiple(DF, c("V3", "V5"), ";")
#   V1 V2  V4              V6 V3_1 V3_2 V3_3 V3_4 V3_5 V3_6 V3_7 V3_8 V3_9 V5_1
# 1  1  6 2.0 10/22/1938 1:25    2  3.1   45 31.2    3   NA   NA   NA   NA    1
# 2  2  5 7.0 11/25/1938 1:25    1 22.0   12  1.4   66   NA   NA   NA   NA    2
# 3  3  1 3.2 11/25/1958 1:25    1  2.0    3  4.0    5    6    7    8    9    1
#   V5_2 V5_3 V5_4 V5_5 V5_6 V5_7 V5_8 V5_9 V5_10
# 1    1    1    1    1    5   NA   NA   NA    NA
# 2    3    4    5    6    7    8    6    9    NA
# 3    2    3    4    5    6    7    9   10    11
out <- concat.split.multiple(DF, c("V3", "V5"), ";", "long")

head(out)
#   V1 V2  V4              V6 time V3 V5
# 1  1  6 2.0 10/22/1938 1:25    1  2  1
# 2  2  5 7.0 11/25/1938 1:25    1  1  2
# 3  3  1 3.2 11/25/1958 1:25    1  1  1
# 4  1  6 2.0 10/22/1938 1:25    2 NA NA
# 5  2  5 7.0 11/25/1938 1:25    2 NA NA
# 6  3  1 3.2 11/25/1958 1:25    2 NA 11