这个数据集有什么问题？

我正在学习R，我正在尝试这个数据集。 http://ww2.amstat.org/publications/jse/datasets/airport.dat.txt 这个数据集有什么问题？

不幸的是，使用

ap <- read.table("http://ww2.amstat.org/publications/jse/datasets/airport.dat.txt")

确实给出了错误的结果。该文件是一个“自由格式输入文件”，如此处所述。（http://data.princeton.edu/R/readingData.html）。通过在该页面上给出的例子，我的简单代码应该可以工作..但它不会导致虚线和错误的条目。怎么了？

谢谢。

来源

2017-04-15 mahela007

你为什么认为你的代码应该工作？该文件当然不是read.table的适当格式。 – Roland

这是一个固定宽度的文件。你必须使用'read.fwf'并指定宽度 –

@Roland，或许它很明显为什么它不起作用，但作为初学者，它不适用于我。我的代码与我链接到的站点中的代码类似，数据文件的格式也相同。因此，我认为它应该工作。 – mahela007

你必须使用read.fwf并指定widths像这样：

read.fwf("http://ww2.amstat.org/publications/jse/datasets/airport.dat.txt", 
widths=c(21,21,7,7,9,10,15)) 

         V1     V2  V3  V4  V5  V6  V7 
1 HARTSFIELD INTL  ATLANTA    285693 288803 22665665 165668.76 93039.48 
2 BALTO/WASH INTL  BALTIMORE    73300 74048 4420425 18041.52 19722.93 
3 LOGAN INTL   BOSTON     114153 115524 9549585 127815.09 29785.72 
4 DOUGLAS MUNI   CHARLOTTE    120210 121798 7076954 36242.84 15399.46

来源

2017-04-15 19:23:28

阅读固定宽度的文件始终是一个挑战，因为用户需要搞清楚每列的宽度。为了完成这个任务，我使用了readr中的函数来简化过程。

读取固定宽度文件的主要功能是read_fwf。另外，还有一个叫fwf_empty的功能可以帮助用户“猜测”列的宽度。但是这个函数并不总能正确识别列的宽度。这是一个例子。

# Load package 
library(readr) 

# Read the data 
filepath <- "http://ww2.amstat.org/publications/jse/datasets/airport.dat.txt" 

# Guess based on position of empty columns 
col_pos <- fwf_empty(filepath) 

# Read the data 
dat <- read_fwf(filepath, col_positions = col_pos) 

# Check the data frame 
head(dat) 

# A tibble: 6 × 6 
       X1       X2  X3  X4  X5  X6 
      <chr>      <chr> <int> <int>  <dbl>  <dbl> 
1 HARTSFIELD INTL ATLANTA    285693 288803 22665665 165668.76 93039.48 
2 BALTO/WASH INTL BALTIMORE    73300 74048 4420425 18041.52 19722.93 
3  LOGAN INTL BOSTON    114153 115524 9549585 127815.09 29785.72 
4 DOUGLAS MUNI CHARLOTTE    120210 121798 7076954 36242.84 15399.46 
5   MIDWAY CHICAGO    64465 66389 3547040 4494.78 4485.58 
6  O'HARE INTL CHICAGO    322430 332338 25636383 300463.80 140359.38

的fwf_empty做了相当不错的工作，以确定除列2和3。它假定它们是来自同一列中的所有列。所以我们需要一些额外的工作。

fwf_empty的输出是4个元素的列表，显示了标识的开始和结束位置，跳过和列名。我们必须更新开始和结束位置以考虑第2列和第3列的存在。

# Extract the begin position 
Begin <- col_pos$begin 

# Extract the end position 
End <- col_pos$end 

# Update the position information 
Begin <- c(Begin[1:2], 43, Begin[3:6]) 
End <- c(End[1], 42, End[2:6]) 

# Update col_pos 
col_pos$begin <- Begin 
col_pos$end <- End 
col_pos$col_names <- paste0("X", 1:7)

现在我们再次读取数据。

dat2 <- read_fwf(filepath, col_positions = col_pos) 
head(dat2) 

# A tibble: 6 × 7 
       X1  X2  X3  X4  X5  X6  X7 
      <chr>  <chr> <int> <int> <int>  <dbl>  <dbl> 
1 HARTSFIELD INTL ATLANTA 285693 288803 22665665 165668.76 93039.48 
2 BALTO/WASH INTL BALTIMORE 73300 74048 4420425 18041.52 19722.93 
3  LOGAN INTL BOSTON 114153 115524 9549585 127815.09 29785.72 
4 DOUGLAS MUNI CHARLOTTE 120210 121798 7076954 36242.84 15399.46 
5   MIDWAY CHICAGO 64465 66389 3547040 4494.78 4485.58 
6  O'HARE INTL CHICAGO 322430 332338 25636383 300463.80 140359.38

这次read_fwf函数可以成功读取文件。

来源

2017-04-15 21:12:59 www

这个数据集有什么问题？

回答

相关问题