R-我的第一行的列名稱中有＃個字符？

Question

我的測試文件格式很奇怪。 第一行以：

如果我忽略第一行並通過使用read.table導入數據，則效果很好，但是我沒有列名。 但是，如果我嘗試使用col.names = TRUE導入數據，則會顯示“ 列多於列名 ”。 我想我可以分別導入第一行和其余數據，並將第一行（即列名）添加到最終輸出文件中。 但是，當我導入第一行時：它完全忽略了列名，並跳轉到0 0 0 0的行。是因為第一行具有＃字符。 而且由於＃字符，數據中還有一個額外的空列。

Answer 1

這里有幾種可能性：

1）處理兩次使用readLines將其作為行L的字符向量讀入。 然后刪除＃並使用read.table讀取L ：

L <- sub("#", "", readLines("myfile.dat"))
read.table(text = L, header = TRUE)

2）分別讀取標頭對於較小的文件，以前的方法比較短，應該可以，但是如果文件較大，則可能不希望對其進行兩次處理。 在這種情況下，請使用readLines僅讀入標題行，對其進行修復，然后再應用列名讀取其余部分。

File <- "myfile.dat"
col.names <- scan(text = readLines(File, 1), what = "", quiet = TRUE)[-1]
read.table(File, col.names = col.names)

3）管道另一種方法是利用外部命令：

File <- "myfile.dat"
cmd <- paste("sed -e 1s/.//", File)
read.table(pipe(cmd), header = TRUE)

在類似UNIX的系統上， sed應該可用。 在Windows上，您將需要安裝Rtools並確保sed位於PATH上，或者使用文件的路徑：

cmd <- paste("C:/Rtools/bin/sed -e 1s/.//", File)
read.table(pipe(cmd), header = TRUE)

Answer 2

一種方法是只對第一行進行一次單獨的讀取，以嗅出列名。 然后，像以前一樣做一個read.table ，並跳過第一行。

f <- "path/to/yourfile.csv"
con <- file(f, "r")
header <- readLines(con, n=1)
close(con)

df <- read.table(f, header=FALSE, sep = " ", skip=1)   # skip the first line
names(df) <- strsplit(header, "\\s+")[[1]][-1]         # assign column names

但是，我不喜歡這種方法，而是希望您修復平面文件的源， 以免包含麻煩的#符號。 另外，如果您只需要一次性完成此要求，則還可以手動編輯平面文件以刪除#符號。