[英]Opening .bcp files in R
我一直在嘗試將 .bcp 文件格式的英國慈善委員會數據轉換為 .csv 文件格式,然后可以將其讀入 R。我所指的數據可在此處獲得: http : //data.charitycommission.gov。英國/ 。 我想要做的是將這些 .bcp 文件轉換為可用的數據幀,我可以在 R 中清理和運行分析。
在此 github 頁面https://github.com/ncvo/charity-commission-extract上有關於如何通過 python 執行此操作的建議,但不幸的是我無法使這些選項起作用。
我想知道是否有任何語法或包可以讓我直接在 R 中打開這些數據? 我一直找不到。
另一種選擇是使用readLines
R 中的文件作為單個字符向量簡單地打開。 我已經這樣做了,文件用@**@
分隔列, *@@*
分隔行。 (參見此處: http : //data.charitycommission.gov.uk/data-definition.aspx )。 是否有 R 命令允許我從長字符串創建數據幀,為行和列定義分隔符?
R-解決方案
編輯過的版本
不確定所有 .bcp 文件的格式是否相同。我下載了您提到的數據集,並嘗試了最小文件的解決方案; extract_aoo_ref.bcp
library(data.table)
#read the file as-is
text <- readChar("./extract_aoo_ref.bcp",
nchars = file.info( "./extract_aoo_ref.bcp" )$size,
useBytes = TRUE)
#replace column and row separator
text <- gsub( ";", ":", text)
text <- gsub( "@\\*\\*@", ";", text)
text <- gsub( "\\*@@\\*", "\n", text, perl = TRUE)
#read the results
result <- data.table::fread( text,
header = FALSE,
sep = ";",
fill = TRUE,
quote = "",
strip.white = TRUE)
head(result,10)
# V1 V2 V3 V4 V5 V6
# 1: A 1 THROUGHOUT ENGLAND AND WALES At least 10 authorities in England and Wales N NA
# 2: B 1 BRACKNELL FOREST BRACKNELL FOREST N NA
# 3: D 1 AFGHANISTAN AFGHANISTAN N 2
# 4: E 1 AFRICA AFRICA N NA
# 5: A 2 THROUGHOUT ENGLAND At least 10 authorities in England only N NA
# 6: B 2 WEST BERKSHIRE WEST BERKSHIRE N NA
# 7: D 2 ALBANIA ALBANIA N 3
# 8: E 2 ASIA ASIA N NA
# 9: A 3 THROUGHOUT WALES At least 10 authorities in Wales only Y NA
# 10: B 3 READING READING N NA
對於棘手的文件也是如此; extract_charity.bcp
head(result[,1:3],10)
# V1 V2 V3
# 1: 200000 0 HOMEBOUND CRAFTSMEN TRUST
# 2: 200001 0 PAINTERS' COMPANY CHARITY
# 3: 200002 0 THE ROYAL OPERA HOUSE BENEVOLENT FUND
# 4: 200003 0 HERGA WORLD DISTRESS FUND
# 5: 200004 0 THE WILLIAM GOLDSTEIN LAY STAFF BENEVOLENT FUND (ROYAL HOSPITAL OF ST BARTHOLOMEW)
# 6: 200005 0 DEVON AND CORNWALL ROMAN CATHOLIC DEVELOPMENT SOCIETY
# 7: 200006 0 THE HORLEY SICK CHILDREN'S FUND
# 8: 200007 0 THE HOLDENHURST OLD PEOPLE'S HOME TRUST
# 9: 200008 0 LORNA GASCOIGNE TRUST FUND
# 10: 200009 0 THE RALPH LEVY CHARITABLE COMPANY LIMITED
所以..看起來它正在工作:)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.