Czytanie nagłówków dwuliniowych w R

Question

Jaki jest najlepszy sposób odczytywania pliku na R, gdy nagłówek ma dwie niezbędne linie do nagłówka?

Zdarza mi się to przez cały czas, ponieważ ludzie często używają jednej linii dla nazwy kolumny, a następnie dołączają do niej kolejną linię dla jednostki miary. Nie chcę niczego pomijać. Chcę, żeby nazwiska i jednostki do nich dotarły.

Oto co typical file with two headers might look like:

trt biomass yield 
crop Mg/ha bu/ac 
C2  17.76 205.92 
C2  17.96 207.86 
CC  17.72 197.22 
CC  18.42 205.20 
CCW  18.15 200.51 
CCW  17.45 190.59 
P  3.09 0.00 
P  3.34 0.00 
S2  5.13 49.68 
S2  5.36 49.72 

Answer 1

chciałbym zrobić dwa kroki, zakładając, że wiemy, że pierwszy wiersz zawiera etykiety, i nie zawsze są dwa nagłówki.

header <- scan("file.txt", nlines = 1, what = character()) 
data <- read.table("file.txt", skip = 2, header = FALSE) 

Następnie dodać wektor znaków header się jako składnik names:

names(data) <- header 

dla danych byłoby to

header <- scan("data.txt", nlines = 1, what = character()) 
data <- read.table("data.txt", skip = 2, header = FALSE) 
names(data) <- header 

head(data) 

>  head(data) 
    trt biomass yield 
1 C2 17.76 205.92 
2 C2 17.96 207.86 
3 CC 17.72 197.22 
4 CC 18.42 205.20 
5 CCW 18.15 200.51 
6 CCW 17.45 190.59 

Jeśli chcesz jednostek, jak na @ odpowiedź Dwin za , a następnie wykonaj drugą próbkę: scan() w linii 2

header2 <- scan("data.txt", skip = 1, nlines = 1, what = character()) 
names(data) <- paste0(header, header2) 

> head(data) 
    trtcrop biomassMg/ha yieldbu/ac 
1  C2  17.76  205.92 
2  C2  17.96  207.86 
3  CC  17.72  197.22 
4  CC  18.42  205.20 
5  CCW  18.15  200.51 
6  CCW  17.45  190.59 

Answer 2

Zastosowanie readLines z 2 do limitu, analizować je, paste0 je ze sobą, a następnie odczytywane z read.table z skip =2 i header=FALSE (domyślnie). Zakończyć proces off z cesją nazwy kolumn:

dat <- "trt biomass yield 
crop Mg/ha bu/ac 
C2 17.76 205.92 
C2 17.96 207.86 
CC 17.72 197.22 
CC 18.42 205.20 
CCW 18.15 200.51 
CCW 17.45 190.59 
P 3.09 0.00 
P 3.34 0.00 
S2 5.13 49.68 
S2 5.36 49.72 
" 

Pewnie można wykorzystać argument pliku, ale przy użyciu text argumentu do odczytu funkcji sprawia, że ​​to bardziej samodzielne:

readLines(textConnection(dat),n=2) 
#[1] "trt\tbiomass\tyield" "crop\tMg/ha\tbu/ac" 
head2 <- read.table(text=readLines(textConnection(dat),n=2), sep="\t", stringsAsFactors=FALSE) 
with(head2, paste0(head2[1,],head2[2,])) 
# [1] "trtcrop"  "biomassMg/ha" "yieldbu/ac" 
joinheadrs <- with(head2, paste0(head2[1,],head2[2,])) 

newdat <- read.table(text=dat, sep="\t",skip=2) 
colnames(newdat)<- joinheadrs 
#------------------- 
> newdat 
    trtcrop biomassMg/ha yieldbu/ac 
1  C2  17.76  205.92 
2  C2  17.96  207.86 
3  CC  17.72  197.22 
4  CC  18.42  205.20 
5  CCW  18.15  200.51 
6  CCW  17.45  190.59 
7  P   3.09  0.00 
8  P   3.34  0.00 
9  S2   5.13  49.68 
10  S2   5.36  49.72 

Might być lepiej użyć pasty z podkreślenia-Sep:

joinheadrs <- with(head2, paste(head2[1,],head2[2,] ,sep="_") ) 
joinheadrs 
#[1] "trt_crop"  "biomass_Mg/ha" "yield_bu/ac" 

Answer 3

Prawie taki sam sposób do innych odpowiedzi, po prostu skrócenie do 2 stwierdzeń:

dat <- "trt biomass yield 
crop Mg/ha bu/ac 
C2  17.76 205.92 
C2  17.96 207.86 
CC  17.72 197.22 
CC  18.42 205.20 
CCW  18.15 200.51 
CCW  17.45 190.59 
P  3.09 0.00 
P  3.34 0.00 
S2  5.13 49.68 
S2  5.36 49.72" 

header <- sapply(read.table(text=dat,nrow=2),paste,collapse="_") 
result <- setNames(read.table(text=dat,skip=2),header) 

Wynik:

> head(result,2) 
    trt_crop biomass_Mg/ha yield_bu/ac 
1  C2   17.76  205.92 
2  C2   17.96  207.86 
... 

Answer 4

Nieco inny wyjaśnił krok po kroku podejście:

1. Czytaj tylko pierwsze dwa wiersze plików jako dane (bez nagłówków):

   headers <- read.table("data.txt", nrows=2, header=FALSE) 
   

2. Tworzenie nazw nagłówków z dwóch (lub więcej) pierwszych rzędach, sappy umożliwia wykonywanie operacji na kolumnach (w tym przypadku pasty) - read more about sapply here:

   headers_names <- sapply(headers,paste,collapse="_") 
   

3. Czytaj dane pliki (z pominięciem pierwszych 2 rzędach):

   data <- read.csv(file="data.txt", skip = 2, header=FALSE) 
   

4. i przypisz nagłówki drugim etapie do t on dane:

   names(data) <- headers_names 
   

---

zaletą jest to, że masz jasną kontrolę parametrów read.table (takich jak sep dla przecinkami, a stringAsFactors - zarówno dla nagłówków i dane)