在R中，如何從分割數據的文本文件創建數據框？

Question

在RI在嘗試導入使用以下結構的大量文本文件：這是保存爲一個example.txt的例子：

Curve Name: 
    Curve A 
Curve Values: 
    index Variable 1 Variable 2 
        [°C]   [%] 
    0    30   100 
    1    40   95 
    2    50   90 
Curve Color: 
    Blue 

Curve Name: 
    Curve B 
Curve Values: 
    index Variable 1 Variable 2 
        [°C]   [%] 
    0    30   100 
    1    40   90 
    2    50   80 
Curve Color: 
    Green 

到目前爲止，我可以提取名稱和顏色

file.text <- readLines("example.txt") 

curve.names <- trimws(file.text[which(regexpr('Curve Name:', file.text) > 0) + 1]) 
curve.colors <- trimws(file.text[which(regexpr('Curve Color:', file.text) > 0) + 1]) 

如何使用curve.name創建一個數據框作爲因子，其他值在下面的結構中用數字表示？

curve.name index variable.1 variable.2 
    Curve A 0    30   100 
    Curve A 1    40   95 
    Curve A 2    50   90 
    Curve B 0    30   100 
    Curve B 1    40   90 
    Curve B 2    50   80   

Answer 1

一般很多grep。尋找一種方法來組條目，就像一個空行的累計總和，都可以得心應手，以及：

l <- readLines(textConnection('Curve Name: 
    Curve A 
Curve Values: 
    index Variable 1 Variable 2 
        [°C]   [%] 
    0    30   100 
    1    40   95 
    2    50   90 
Curve Color: 
    Blue 

Curve Name: 
    Curve B 
Curve Values: 
    index Variable 1 Variable 2 
        [°C]   [%] 
    0    30   100 
    1    40   90 
    2    50   80 
Curve Color: 
    Green ')) 

do.call(rbind, 
     lapply(split(trimws(l), cumsum(l == '')), function(x){ 
      data.frame(
       curve = x[grep('Curve Name:', x) + 1], 
       read.table(text = paste(x[(grep('index', x) + 2):(grep('Curve Color:', x) - 1)], 
             collapse = '\n'), 
          col.names = c('index', 'variable.1', 'varible.2')))})) 
##  curve index variable.1 varible.2 
## 0.1 Curve A  0   30  100 
## 0.2 Curve A  1   40  95 
## 0.3 Curve A  2   50  90 
## 1.1 Curve B  0   30  100 
## 1.2 Curve B  1   40  90 
## 1.3 Curve B  2   50  80 

Answer 2

假設每個文件從上面具有完全相同的格式：

txt <- readLines("example.txt") 
curve_name <- rep(trimws(txt[c(2,13)]), each=3) 
curve_color <- rep(trimws(txt[c(10,21)]), each=3) 
val <- read.table(text=paste(txt[c(6:8, 17:19)], collapse = "\n")) 
colnames(val) <- c("index", "var1", "var2") 
cbind(curve_name, curve_color, val) 

如果格式不完全上面一個，你可以嘗試通過頭部的找出線路指數。因此，尋找在那裏說：Curve Values:

其中給出：

curve_name curve_color index var1 var2 
1 Curve A  Blue  0 30 100 
2 Curve B  Blue  1 40 95 
3 Curve A  Blue  2 50 90 
4 Curve B  Green  0 30 100 
5 Curve A  Green  1 40 90 
6 Curve B  Green  2 50 80 

Answer 3

讀線到LCurve Color之前清除一切空間。 （如果在實際文件中Curve Color之前沒有空格，但是在Curve Color之前有一個空格，則刪除空格可能不是必需的。）然後重新讀取以創建variables data.frame的數字開頭的行。然後使用read.dcf閱讀rest，並使用cbind將兩者合併。

我們假設

1. 曲線值排第二，所以我們可以從rest使用數字表中[, -2]
2. 只有行以數字（以空格開頭）忽略它。
3. 每個數字記錄都有3列，並在問題中顯示列名。行的索引號爲0，同一記錄中的後續行也不包含0 index數字。 （每個數字表中的行數沒有限制，不同的記錄可能具有不同數量的這種行）。

沒有使用包。

L <- sub("^ *Curve Color", "Curve Color", readLines("example.txt")) 
variables <- read.table(text = grep("^\\d", trimws(L), value = TRUE), 
col.names = c("index", "variable.1", "variable.2")) 
rest <- trimws(read.dcf(textConnection(L))[, -2]) 
cbind(rest[cumsum(variables$index == 0), ], variables) 

，並提供：

Curve Name Curve Color index variable.1 variable.2 
1 Curve A  Blue  0   30  100 
2 Curve A  Blue  1   40   95 
3 Curve A  Blue  2   50   90 
4 Curve B  Green  0   30  100 
5 Curve B  Green  1   40   90 
6 Curve B  Green  2   50   80 

Answer 4

略有不同的方法預測的假設格式。我們獲得每個「記錄」，提取突出的組件並將它們全部綁定在一起。

library(purrr) 
library(stringi) 

starts <- which(grepl("Curve Name:", lines)) # find the start of each record 
ends <- which(grepl("Curve Color:", lines))+1 # find the end of each record 

map2_df(starts, ends, function(start, end) { 

    rec <- paste0(lines[start:(end)], collapse="\n") # extract the record 

    # regex extract each set of values 
    stri_match_first_regex(rec, c("Curve Name:[[:space:]]+([[:alnum:][:blank:]]+)", 
           "Curve Values:[[:space:]]+([[:print:][:space:]]+)Curve", 
           "Curve Color:[[:space:]]+([[:alnum:][:blank:]]+)"))[,2] %>% 
    trimws() -> found 

    df <- read.table(text=found[2], skip=2, col.names=c("index", "variable.1", "variable.2")) 
    df$curve.name <- found[1] 
    df$color <- found[3] 
    df 

}) 
## index variable.1 variable.2 curve.name color 
## 1  0   30  100 Curve A Blue 
## 2  1   40   95 Curve A Blue 
## 3  2   50   90 Curve A Blue 
## 4  0   30  100 Curve B Green 
## 5  1   40   90 Curve B Green 
## 6  2   50   80 Curve B Green