设置数据集中的列宽答案

【问题标题】：Setting column width in a data set设置数据集中的列宽
【发布时间】：2011-10-21 02:52:09
【问题描述】：

我想在这个数据集中设置列宽（对于所有 3 列），如：anim=1-10;西雷德=11-20；达米德=21-30。有些列有缺失值。

anim=c("1A038","1C467","2F179","38138","030081")
sireid=c("NA","NA","1W960","1W960","64404")
damid=c("NA","NA","1P119","1P119","63666")

mydf=data.frame(anim,sireid,damid)

【问题讨论】：

老实说，我真的不知道您所说的列宽是什么意思。你能更详细地解释一下吗？
@joran: 示例：我想将第一列（“anim”）的宽度或长度设置为 1-6。我根据可能的最大字符数设置长度 a 。例如，最后一个动画 id 是“030081”有 6 个字符。我想对这两列做同样的事情。谢谢！
听起来洪是对的；我从来没有使用过 SAS，所以我从来没有想过有人会想在 R 中这样做。
@joran：它不仅仅是 R 的一个函数，尽管 R 可以利用它。正如我在下面 Hong 的回答中提到的那样 - 固定宽度的文件对于内存映射很有用：人们将确切地知道在哪里寻找数据，因为布局适合于一个非常简单的映射功能。因此，不需要对每一行进行索引，也不需要解析每一行，以获得对数据的随机访问。内存映射文件不必是二进制文件，如bigmemory。能够知道在哪里查找意味着数据可以是海量的（尽管 ASCII 格式是一种顽皮的浪费）。

标签： r fixed-width multiple-columns

【解决方案1】：

从阅读您的问题以及您的 cmets 到以前的答案，在我看来，您正在尝试使用您的数据创建一个 固定宽度文件。如果是这种情况，您可以使用包gdata中的函数write.fwf：

加载包并创建一个临时输出文件：

library(gdata)
ff <- tempfile()

将您的数据以固定宽度格式写入临时文件：

write.fwf(mydf, file=ff, width=c(10,10,10), colnames=FALSE)

用scan读取文件并打印结果（演示固定宽度输出）：

zz <- scan(ff, what="character", sep="\n")
cat(zz, sep="\n")

1A038      NA         NA        
1C467      NA         NA        
2F179      1W960      1P119     
38138      1W960      1P119     
030081     64404      63666

删除临时文件：

unlink(ff)

【讨论】：

还必须在 R 中处理 fw 数据。请注意，还有 `read.fwf
@ran2 非常正确。有一个函数read.fwf。我不想在我的示例中使用它，因为我想说明每一行都是一个字符串（read.fwf 会解析这些值。）
嘿，无意冒犯 - 并不是为了改进您的示例而只是为了完整性而添加此评论；）特别是因为它来自另一个包（utils）IIRC。
@Andrie：我正在尝试获取新数据框（设置列宽）并将其写入新文件。我怎样才能做到这一点？ ...我为这个问题道歉。
这就是write.fwf 为您所做的——它将您的数据写入文件。

【解决方案2】：

您还可以使用派生自 C 对应物的 sprintf() 函数为数字和字符串编写固定宽度的输出。

例如，用 0 填充整数：

sprintf("%012d",99)

用空格填充： sprintf("%12d",123)

并填充字符串：

sprintf("%20s","hello world")

格式化选项可通过?sprintf 找到，并且有许多将 C 输出格式化为固定宽度的指南。

【讨论】：

【解决方案3】：

听起来您来自 SAS 背景，其中字符变量应明确指定长度以避免意外截断。在 R 中，您无需担心这一点。一个字符串有它需要的任意多的字符，并且会随着它的内容的变化而自动扩展和收缩。

不过，您应该注意的一件事是将字符变量静默转换为数据框中的因子。但是，除非您稍后更改内容，否则您应该可以使用默认设置。

【讨论】：

我正在使用 R 来设置我将要在另一个程序中运行的数据。谢谢！
啊，在这种情况下，最好将其导出为逗号分隔的文件 (csv)，而不是使用固定宽度的字段。虽然可以导出为固定宽度，但它可能比它的价值更麻烦。大多数程序会直接读取 csv 文件。
这通常是正确的，但是固定宽度的文件对于内存映射很有用：人们会确切地知道在哪里查找数据，因为布局适合于非常简单的映射功能。因此，不需要对每一行进行索引，也不需要解析每一行，就可以随机访问数据。