从文本文件中提取表格

我试图从文本文件中提取表格，并在这里找到了几个较早的帖子，这些帖子解决了类似的问题。然而，似乎没有人能够有效解决我的问题。最有用的答案，我发现是我在这里较早的一个问题：R: removing header, footer and sporadic column headings when reading csv file 从文本文件中提取表格

一个例子虚拟文本文件包含：

> 
> 
> ############################################################################### 
> 
> # Display AICc Table for the models above 
> 
> 
> collect.models(, adjust = FALSE) 
     model npar AICc DeltaAICc weight Deviance 
13  P1 19 94  0.00  0.78  9 
12  P2 21 94  2.64  0.20  9 
10  P3 15 94  9.44  0.02  9 
2  P4 11 94 619.26  0.00  9 
> 
> 
> ############################################################################### 
> 
> # the three lines below count the number of errors in the code above 
> 
> cat("ERROR COUNT:", .error.count, "\n") 
ERROR COUNT: 0 
> options(error = old.error.fun) 
> rm(.error.count, old.error.fun, new.error.fun) 
> 
> ########## 
> 
>

我写了下面的代码以提取所需的表：

my.data <- readLines('c:/users/mmiller21/simple R programs/dummy.log') 

top <- '> collect.models\\(, adjust = FALSE)' 
bottom <- '> # the three lines below count the number of errors in the code above' 

my.data <- my.data[-c(grep(bottom, my.data):length(my.data))] 
my.data <- my.data[-c(1:grep(top, my.data))] 
my.data <- my.data[c(1:(length(my.data)-4))] 
aa  <- as.data.frame(my.data) 
aa 

write.table(my.data, 'c:/users/mmiller21/simple R programs/dummy.log.extraction.txt', quote=F, col.names=F, row.name=F) 
my.data2 <- read.table('c:/users/mmiller21/simple R programs/dummy.log.extraction.txt', header = TRUE, row.names = c(1)) 
my.data2 
    model npar AICc DeltaAICc weight Deviance 
13 P1 19 94  0.00 0.78  9 
12 P2 21 94  2.64 0.20  9 
10 P3 15 94  9.44 0.02  9 
2  P4 11 94 619.26 0.00  9

我宁愿避免不得不写，然后阅读my.data以获得所需的数据帧。在此之前，步骤当前的代码返回my.data字符串矢量：

[1] "  model npar AICc DeltaAICc weight Deviance" "13  P1 19 94  0.00  0.78  9" 
[3] "12  P2 21 94  2.64  0.20  9" "10  P3 15 94  9.44  0.02  9" 
[5] "2  P4 11 94 619.26  0.00  9"

有一些方法可以让我的琴弦上述载体转化成这样的一个数据帧中dummy.log.extraction.txt没有写，然后读my.data？

行：

aa <- as.data.frame(my.data)

返回以下，它看起来像什么，我想：

#            my.data 
# 1  model npar AICc DeltaAICc weight Deviance 
# 2 13  P1 19 94  0.00  0.78  9 
# 3 12  P2 21 94  2.64  0.20  9 
# 4 10  P3 15 94  9.44  0.02  9 
# 5 2  P4 11 94 619.26  0.00  9

但是：

dim(aa) 
# [1] 5 1

如果我可以拆分aa成列然后我认为我会得到我想要的，而不必写，然后阅读my.data。

我找到帖子：Extracting Data from Text Files但是，在发布的答案中，问题表似乎有固定的行数。在我的情况下，行数可以在1和20之间变化。另外，我宁愿使用base R。在我的情况下，我认为bottom和表的最后一行之间的行数是一个常数（这里是4）。

我也发现帖子：How to extract data from a text file using R or PowerShell?然而，在我的情况下，列的宽度不固定，我不知道如何拆分字符串（或行），所以只有七列。

鉴于上述所有可能我的问题是真的如何将对象aa分成列。感谢您的任何建议或协助。

编辑：

实际日志由一台超级计算机产生并含有高达90000线。但是，日志中的行数差别很大。这就是为什么我使用top和bottom。

来源

2013-07-04 Mark Miller

您的数据看起来像R对话输出控制台。人们想知道为什么表没有被导出，或者为什么你不能运行R代码来获得它。 – Roland

R文件在超级计算机上运行，表格取自该机器返回的日志。我不知道如何让超级计算机为我输出一张桌子。 –

可能是你真正的日志文件是完全不同的，更复杂，但是这一个，你可以使用read.table直接，你就必须用正确的参数发挥。

data <- read.table("c:/users/mmiller21/simple R programs/dummy.log", 
        comment.char = ">", 
        nrows = 4, 
        skip = 1, 
        header = TRUE, 
        row.names = 1) 

str(data) 
## 'data.frame': 4 obs. of 6 variables: 
## $ model : Factor w/ 4 levels "P1","P2","P3",..: 1 2 3 4 
## $ npar  : int 19 21 15 11 
## $ AICc  : int 94 94 94 94 
## $ DeltaAICc: num 0 2.64 9.44 619.26 
## $ weight : num 0.78 0.2 0.02 0 
## $ Deviance : int 9 9 9 9 

data 
## model npar AICc DeltaAICc weight Deviance 
## 13 P1 19 94  0.00 0.78  9 
## 12 P2 21 94  2.64 0.20  9 
## 10 P3 15 94  9.44 0.02  9 
## 2  P4 11 94 619.26 0.00  9

来源

2013-07-04 08:07:04 dickoa

谢谢。我应该提到日志文件包含大约20000行，这就是为什么我使用顶部和底部。但是，您的答案可能会有帮助。 –

read.table及其家人现在有一个选项，阅读文本：

> df <- read.table(text = paste(my.data, collapse = "\n")) 
> df 
    model npar AICc DeltaAICc weight Deviance 
13 P1 19 94  0.00 0.78  9 
12 P2 21 94  2.64 0.20  9 
10 P3 15 94  9.44 0.02  9 
2  P4 11 94 619.26 0.00  9 
> summary(df) 
model  npar   AICc  DeltaAICc   weight   Deviance 
P1:1 Min. :11.0 Min. :94 Min. : 0.00 Min. :0.000 Min. :9 
P2:1 1st Qu.:14.0 1st Qu.:94 1st Qu.: 1.98 1st Qu.:0.015 1st Qu.:9 
P3:1 Median :17.0 Median :94 Median : 6.04 Median :0.110 Median :9 
P4:1 Mean :16.5 Mean :94 Mean :157.84 Mean :0.250 Mean :9 
     3rd Qu.:19.5 3rd Qu.:94 3rd Qu.:161.90 3rd Qu.:0.345 3rd Qu.:9 
     Max. :21.0 Max. :94 Max. :619.26 Max. :0.780 Max. :9

来源

2013-07-04 07:54:50 kohske

谢谢。我应该提到日志文件包含大约20000行，这就是为什么我使用顶部和底部。但是，您的答案可能会有帮助。 –

这看起来很奇怪，你必须阅读的R控制台。无论如何，你可以使用这样一个事实，即你的表格行以数字开头，并使用诸如^[0-9]+之类的东西提取你的inetersting行。然后read.table就像@kohske所显示的那样。

readLines('c:/users/mmiller21/simple R programs/dummy.log') 
idx <- which(grepl('^[0-9]+',ll)) 
idx <- c(min(idx)-1,idx) ## header line 
read.table(text=ll[idx]) 
model npar AICc DeltaAICc weight Deviance 
13 P1 19 94  0.00 0.78  9 
12 P2 21 94  2.64 0.20  9 
10 P3 15 94  9.44 0.02  9 
2  P4 11 94 619.26 0.00  9

来源

2013-07-04 08:02:47 agstudy

谢谢。我应该提到日志文件包含大约20000行，这就是为什么我使用顶部和底部。但是，您的答案可能会有帮助。 –

谢谢那些发布了答案的人。由于实际日志文件的大小，复杂性和可变性，我认为我需要继续使用变量top和bottom。但是，我用dickoa的答案的元素来提出以下内容。

my.data <- readLines('c:/users/mmiller21/simple R programs/dummy.log') 

top <- '> collect.models\\(, adjust = FALSE)' 
bottom <- '> # the three lines below count the number of errors in the code above' 

my.data <- my.data[-c(grep(bottom, my.data):length(my.data))] 
my.data <- my.data[-c(1:grep(top, my.data))] 

x <- read.table(text=my.data, comment.char = ">") 
x 

# model npar AICc DeltaAICc weight Deviance 
# 13 P1 19 94  0.00 0.78  9 
# 12 P2 21 94  2.64 0.20  9 
# 10 P3 15 94  9.44 0.02  9 
# 2  P4 11 94 619.26 0.00  9

这是更简单的代码：

my.data <- readLines('c:/users/mmiller21/simple R programs/dummy.log') 

top <- '> collect.models\\(, adjust = FALSE)' 
bottom <- '> # the three lines below count the number of errors in the code above' 

my.data <- my.data[grep(top, my.data):grep(bottom, my.data)] 

x <- read.table(text=my.data, comment.char = ">") 
x

来源

2013-07-04 08:59:48

从文本文件中提取表格

回答

相关问题