如何在R中读取具有不同列数的CSV文件

Question

我有一个稀疏数据集,其列数以csv格式变化.以下是文件文本的示例.

12223, University
12227, bridge, Sky
12828, Sunset
13801, Ground
14853, Tranceamerica
14854, San Francisco
15595, shibuya, Shrine
16126, fog, San Francisco
16520, California, ocean, summer, golden gate, beach, San Francisco

我用的时候

read.csv("data.txt", header = F)

R将数据集解释为具有3列,因为大小是从前5行确定的.无论如何强制r将数据放在更多列中？

Answer 1

?read.table文档深入介绍以下内容:

数据列的数量是通过查看前五行输入(或整个文件,如果它少于五行),或者从col.names指定的长度(如果指定的长度)来确定的.如果fill或者blank.lines.skip are true,这可能是错误的,col.names如果需要,也可以指定(如'示例').

因此,让我们定义col.names为长度X(其中X是数据集中字段的最大数量),并设置fill = TRUE:

dat <- textConnection("12223, University
12227, bridge, Sky
12828, Sunset
13801, Ground
14853, Tranceamerica
14854, San Francisco
15595, shibuya, Shrine
16126, fog, San Francisco
16520, California, ocean, summer, golden gate, beach, San Francisco")

read.table(dat, header = FALSE, sep = ",", 
  col.names = paste0("V",seq_len(7)), fill = TRUE)

     V1             V2             V3      V4           V5     V6             V7
1 12223     University                                                          
2 12227         bridge            Sky                                           
3 12828         Sunset                                                          
4 13801         Ground                                                          
5 14853  Tranceamerica                                                          
6 14854  San Francisco                                                          
7 15595        shibuya         Shrine                                           
8 16126            fog  San Francisco                                           
9 16520     California          ocean  summer  golden gate  beach  San Francisco

如果最大字段数未知,您可以使用nifty实用程序函数count.fields(我在read.table示例代码中找到):

count.fields(dat, sep = ',')
# [1] 2 3 2 2 2 2 3 3 7
max(count.fields(dat, sep = ','))
# [1] 7

可能有用的相关阅读:仅读取R中有限数量的列

Answer 2

您可以像这样读取数据:

dat <- textConnection("12223, University
12227, bridge, Sky
12828, Sunset
13801, Ground
14853, Tranceamerica
14854, San Francisco
15595, shibuya, Shrine
16126, fog, San Francisco
16520, California, ocean, summer, golden gate, beach, San Francisco")

dat <- readLines(dat)
dat <- strsplit(dat, ",")

这导致列表.