dplyr：如何在跳过某些行的同时读取带有标题的 tsv 文件？

Question

我有一个tsv具有以下结构的简单文件：

0 - headerline
1 - empty line
2 - PIG schema
3 - empty line
4 - 1-st line of DATA
5 - 2-nd line of DATA

我想阅读它，可能会使用，readr::read_tsv但这就是问题所在。

如您所见，第一行包含标题。然后我不想读取三行（它们包含一些来自 Apache PIG 的超级奇怪的数据），数据从第 4 行开始。在 中Pandas，我会做类似的事情

df = pd.read_csv('/localpath/data.tsv', sep='\t', skiprows=[1,2,3])

这允许我阅读标题并跳过第一行、第二行、第三行。

我在 中没有看到类似的选项readr::read_tsv。那是 ：

df = read_tsv('/localpath/data.tsv', col_names = TRUE, skip = 4)

它不解析标头...

有任何想法吗？

Answer 1

发布我的评论作为答案。基本上，我们读取第一行作为标题，然后读取其余行作为数据：

library(readr)
names_t <- read_tsv('/localpath/data.tsv', col_names = FALSE, n_max = 1)
df1 <- read_tsv('/localpath/data.tsv', col_names = FALSE, skip = 4)
names(df1) <- names_t

请注意，在我的评论中，我指定nrows = 1读取名称（这适用于read.csv），但似乎该参数已被替换为n_maxin readr::read_tsv。