Comment lire un fichier CSV en R avec un nombre différent de colonnes

Question

J'ai un ensemble de données clairsemé, un dont le nombre de colonnes varient en longueur, dans un format csv. Voici un exemple du texte du fichier.

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

Quand j'utilise

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

R interprétera l'ensemble de données comme ayant 3 colonnes car la taille est déterminée à partir des 5 premières lignes. Est-il possible de forcer r à mettre les données dans plus de colonnes?

Blue Magister · Accepted Answer

Au fond du ?read.table la documentation est la suivante:

Le nombre de colonnes de données est déterminé en examinant les cinq premières lignes d'entrée (ou le fichier entier s'il contient moins de cinq lignes), ou à partir de la longueur de col.names s'il est spécifié et est plus long. Cela pourrait être incorrect si fill ou blank.lines.skip are true, alors spécifiez col.names si nécessaire (comme dans les "Exemples").

Par conséquent, définissons col.names pour être la longueur X (où X est le nombre maximum de champs dans votre jeu de données), et définissez 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

Si le nombre maximal de champs est inconnu, vous pouvez utiliser la fonction utilitaire astucieuse count.fields (que j'ai trouvé dans le read.table exemple de code):

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

Lecture connexe éventuellement utile: Lire uniquement un nombre limité de colonnes dans R

Roland · Answer

Vous pouvez lire les données comme ceci:

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, ",")

Il en résulte une liste.

Arun · Answer

Cela semble fonctionner (suivant la suggestion de @ BlueMagister):

tt <- read.table("~/Downloads/tmp.csv", fill=TRUE, header=FALSE, sep=",", colClasses=c("numeric", rep("character", 6))) names(tt) <- paste("V", 1:7, sep="") 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