将csv文件读入R中，每行的开头和结尾都包含括号答案

【问题标题】：Read csv file into R that contains brackets at at the start and end of each line将csv文件读入R中，每行的开头和结尾都包含括号
【发布时间】：2014-07-07 14:18:23
【问题描述】：

我有一个如下所示的文本文件

(abc,123)
(def,456)
(ghi,789)
...

在 R 中，我想将此文件读取为 csv。因此，我需要去掉行尾的左括号和右括号。您知道如何实现这一目标吗？

如果可能，应避免读取文件、删除括号和写入临时文件。

【问题讨论】：

为什么需要这些限制？
如果我继续修修补补，我敢打赌我可以使用pipe 和 unix 命令tr 得到一些有用的东西，并将结果直接发送到read.csv。有比我更好的外壳方面的人可能能够更快地将碎片拼凑在一起。
...修补成功，请看下面我的回答。

标签： r csv

【解决方案1】：

好的，这似乎可行（在我的 Mac 上）：

read.table(pipe("tr -d '()' < ~/Desktop/paren.txt"),header = FALSE,sep = ",")
   V1  V2
1 123 abc
2 456 def
3 789 ghi

【讨论】：

您有 Mac？您是数据科学家吗？
@DavidArenburg 不，我不可能成为一名数据科学家。我太擅长统计，太不擅长编程，无法获得资格。

【解决方案2】：

疯狂的想法时间，但您可以创建自己的 colClasses 定义并在 read.table 中使用它们，如下所示：

setClass("strippedL")
setClass("strippedR")
setAs("character", "strippedL",
      function(from)  as.character( gsub("(", "", from, fixed=TRUE)))
setAs("character", "strippedR",
      function(from)  as.numeric( gsub(")", "", from, fixed=TRUE)))

这是它的使用方法。将 text 参数替换为 file 参数以访问文件。

read.table(text = "(abc,123)
                   (def,456)
                   (ghi,789)", 
           sep = ",", header = FALSE, 
           colClasses = c("strippedL", "strippedR"))
#    V1  V2
# 1 abc 123
# 2 def 456
# 3 ghi 789

不那么疯狂（但更慢）的想法：从“gsubfn”的开发版本中尝试read.pattern：

library(gsubfn)
source("http://gsubfn.googlecode.com/svn/trunk/R/read.pattern.R")

pat <- "^\\((.*),(.*)\\)$"
read.pattern("~/path/to/file.txt", pattern=pat, header = FALSE)

【讨论】：

看我的时间测试——我很高兴没有在实际函数中包含类定义:-)

【解决方案3】：

我可能会走readLines 路线，因为需要先操作文件。然后你仍然可以在read.csv/table 中使用text 参数

> writeLines(c("(abc,123)", "(def,456)", "(ghi,789)"), "yourfile.txt") 
   ## put your data in a file
> txt <- gsub("[()]", "", readLines("yourfile.txt"))
> read.csv(text = txt, header = FALSE)
#    V1  V2
# 1 abc 123
# 2 def 456
# 3 ghi 789

或

> read.table(text = txt, sep = ",")
#    V1  V2
# 1 abc 123
# 2 def 456
# 3 ghi 789

【讨论】：

【解决方案4】：

你可以试试：

 str1 <- c("(abc,123)","(def,456)","(ghi,789)")
 library(qdap)
 read.table(text=unlist(bracketXtract(str1, "round")),sep=",")
 #  V1  V2
 #1 abc 123
 #2 def 456
 #3 ghi 789

【讨论】：

【解决方案5】：

坦率地说，处理这种情况的最佳方法是在将源文件读入R 之前对其进行编辑。我可以想象没有理由避免这种情况，需要编写一些花哨的R 代码来删除读取数据后的括号。

打开您选择的文本编辑器并告诉它（编辑器）删除所有括号。保存文件（必要时保存到新文件），然后使用 read.csv 打开新文件。

但如果必须的话，

foo<- read.csv(your_file)
gsub('(','',foo)
gsub(')','',foo)
foo[,2]<-as.numeric(foo[,2])

编辑：运行速度测试：

paren1<-function(file) {
    foo<- read.csv(file)
gsub('[()]','',foo)
#gsub(')','',foo)
foo[,2]<-as.numeric(foo[,2])
}

setClass("strippedL")
setClass("strippedR")
setAs("character", "strippedL",
      function(from)  as.character( gsub("(", "", from, fixed=TRUE)))
setAs("character", "strippedR",
      function(from)  as.numeric( gsub(")", "", from, fixed=TRUE)))
paren2<-function(file) {
      foo<- read.table(file,sep = ",", header = FALSE, colClasses = c("strippedL", "strippedR"))
      return(invisible(foo))
}

library(microbenchmark)
# my "paren.txt" has 860 lines in it
microbenchmark(paren1('paren.txt'),paren2('paren.txt'))

Unit: milliseconds
                expr      min       lq   median       uq      max neval
 paren1("paren.txt") 3.341024 3.461614 3.486416 3.514639 4.060715   100
 paren2("paren.txt") 2.164631 2.251439 2.285007 2.322211 5.681836   100

因此，Ananda 的解决方案明显更快。哦，好吧:-)

【讨论】：

这不会把 gsub("[()]","",foo) 作为一行来工作吗？

【解决方案6】：

这是一个使用gsub 函数的选项，用于data.frame 的第一列和第二列：

tmp <- read.table("tmp.csv", sep=",", stringsAsFactors=FALSE)

#tmp <- structure(list(V1 = c("(abc", "(def", "(ghi"), V2 = c("123)", 
"456)", "789)")), .Names = c("V1", "V2"), class = "data.frame", row.names = c(NA, 
-3L)) # to reproduce tmp

tmp
tmp[,1] <- gsub("(", "", tmp[,1], fixed = TRUE)
tmp[,2] <- gsub(")", "", tmp[,2], fixed = TRUE)
tmp

【讨论】：