importowanie niechlujnych danych przy użyciu R

Czy ktoś ma jakiś pomysł na temat importowania poniższych danych do R w odpowiedniej formie? Próbowałem funkcji strsplit jako: test <- strsplit(test,"[[:space:]]+") gdzie test to nazwa pliku zawierającego następujące niepoprawne dane. Jakoś skończyłem z jedną zmienną. Chciałbym mieć osiem różnych zmiennych w odpowiedniej formie. Czy mógłbyś mi pomóc?importowanie niechlujnych danych przy użyciu R

Black Eagles 01/12 - 12/11 1500 W 7.0 420 48 Away +3 
Blue State 02/18 - 04/21 1293 L 8.0 490 48 Home +1 
Hawks 01/13 - 02/17 1028 L 4.0 46 460 Away 
New Apple 09/23 - 11/23 563 L 3.0 470 47 Home +2 
Black White 07/05 - 09/26 713 L 5.2 500 45 Home +4 
PBO 10/24 - 10/30 1495 L 1.9 47 410 Away

Źródło

2012-11-13 John Smith

Skąd te dane pochodzą? Czy jest możliwe, że w oryginale znajduje się separator tabulacji lub podobny? – mnel

Tak, między każdą zmienną a spacjami między dwiema nazwami zmiennej znajdują się ograniczniki tabulacji. Są to tylko statystyki zespołu, a każda kolumna powinna reprezentować zmienną (9 zmiennych). Nie mogłem zrozumieć, ponieważ ten zestaw danych zawiera razem zmienne łańcuchowe, liczbowe i daty. Każda pomoc zostanie bardzo doceniona. –

Następnie użyj 'read.table (thedatafile, sep = '\ t')'. Czy możesz opublikować wyniki 'dput (test)' (zanim ponownie przypiszesz do niego strsplit) i mogę wysłać przydatną odpowiedź. – mnel

Co to jest?

> nicelyFormatted 
    [,1]   [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] 
[1,] "Black Eagles" "01/12" "12/11" "1500" "W" "7.0" "420" "48" "Away" "+3" 
[2,] "Blue State" "02/18" "04/21" "1293" "L" "8.0" "490" "48" "Home" "+1" 
[3,] "Hawks"  "01/13" "02/17" "1028" "L" "4.0" "46" "460" "Away" NA 
[4,] "New Apple" "09/23" "11/23" "563" "L" "3.0" "470" "47" "Home" "+2" 
[5,] "Black White" "07/05" "09/26" "713" "L" "5.2" "500" "45" "Home" "+4" 
[6,] "PBO"   "10/24" "10/30" "1495" "L" "1.9" "47" "410" "Away" NA

Oto kod, który został użyty w celu uzyskania powyższej tabeli:

library(stringr) 

# Open Connection to file 
pathToFile <- path.expand("~/path/to/file/myfile.txt") 
f <- file(pathToFile, "rb") 

# Read in lines 
rawText <- readLines(f) 


# Find the dahses 
dsh <- str_locate_all(rawText, " - ") 

# Splice, using the dashes as a guide 
lng <- length(rawText) 
spliced <- sapply(1:lng, function(i) 
    spliceOnDash(rawText[[i]], dsh[[c(i, 1)]], dsh[[c(i, 2)]]) 
) 

# make it purtty 
nicelyFormatted <- formatNicely(spliced) 
nicelyFormatted 


#-------------------# 
# FUNCTIONS  # 
#-------------------# 


spliceOnDash <- function(strn, start, end) { 

    # split around the date 
    pre <- substr(strn, 1, start-6) 
    dates <- substr(strn, start-5, end+5) 
    post <- substr(strn, end+6, str_length(strn)) 

    # Clean up 
    pre <- str_trim(pre) 

    # replace all double spaces with single spaces 
    while(str_detect(post, " ")) { 
    post <- str_replace_all(str_trim(post), " ", " ")  
    } 

    # splice on space 
    post <- str_split(post, " ") 

    # if dates are one field, remove this next line 
    dates <- str_split(dates, " - ") 

    # return 
    c(unlist(pre), unlist(dates), unlist(post)) 
} 

# Function to clean up the list into a nice table 
formatNicely <- function(spliced) { 
    lngst <- max(sapply(spliced, length)) 
    t(sapply(spliced, function(x) 
     if(length(x) < lngst) c(x, rep(NA, lngst-length(x))) else x)) 
}

Źródło

2012-11-13 05:06:49

Świetnie! Dziękuję wszystkim, zwłaszcza RS. –

bez potu - chętnie pomoże –

importowanie niechlujnych danych przy użyciu R

Odpowiedz

Powiązane problemy