Lesen Sie nur ausgewählte Spalten

Kann mir bitte jemand sagen, wie man nur die ersten 6 Monate (7 Spalten) für jedes Jahr der folgenden Daten liest, zum Beispiel unter Verwendung von read.table()?

Year   Jan  Feb  Mar  Apr  May  Jun  Jul  Aug  Sep  Oct  Nov  Dec   
2009   -41  -27  -25  -31  -31  -39  -25  -15  -30  -27  -21  -25
2010   -41  -27  -25  -31  -31  -39  -25  -15  -30  -27  -21  -25 
2011   -21  -27   -2   -6  -10  -32  -13  -12  -27  -30  -38  -29

Angenommen, die Daten befinden sich in einer Datei data.txt, können Sie das colClassesArgument von verwenden read.table(), um Spalten zu überspringen. Hier sind die Daten in den ersten 7 Spalten "integer"und wir setzen die verbleibenden 6 Spalten so, "NULL"dass sie anzeigen, dass sie übersprungen werden sollen

> read.table("data.txt", colClasses = c(rep("integer", 7), rep("NULL", 6)), 
+            header = TRUE)
  Year Jan Feb Mar Apr May Jun
1 2009 -41 -27 -25 -31 -31 -39
2 2010 -41 -27 -25 -31 -31 -39
3 2011 -21 -27  -2  -6 -10 -32

Wechseln Sie "integer"zu einem der akzeptierten Typen, wie in ?read.tableAbhängigkeit vom tatsächlichen Datentyp beschrieben.

data.txt sieht aus wie das:

$ cat data.txt 
"Year" "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "Dec"
2009 -41 -27 -25 -31 -31 -39 -25 -15 -30 -27 -21 -25
2010 -41 -27 -25 -31 -31 -39 -25 -15 -30 -27 -21 -25
2011 -21 -27 -2 -6 -10 -32 -13 -12 -27 -30 -38 -29

und wurde erstellt mit

write.table(dat, file = "data.txt", row.names = FALSE)

wo datist

dat <- structure(list(Year = 2009:2011, Jan = c(-41L, -41L, -21L), Feb = c(-27L, 
-27L, -27L), Mar = c(-25L, -25L, -2L), Apr = c(-31L, -31L, -6L
), May = c(-31L, -31L, -10L), Jun = c(-39L, -39L, -32L), Jul = c(-25L, 
-25L, -13L), Aug = c(-15L, -15L, -12L), Sep = c(-30L, -30L, -27L
), Oct = c(-27L, -27L, -30L), Nov = c(-21L, -21L, -38L), Dec = c(-25L, 
-25L, -29L)), .Names = c("Year", "Jan", "Feb", "Mar", "Apr", 
"May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"), class = "data.frame",
row.names = c(NA, -3L))

Wenn die Anzahl der Spalten vorher nicht bekannt ist, count.fieldsliest die Utility-Funktion die Datei durch und zählt die Anzahl der Felder in jeder Zeile.

## returns a vector equal to the number of lines in the file
count.fields("data.txt", sep = "\t")
## returns the maximum to set colClasses
max(count.fields("data.txt", sep = "\t"))

Um einen bestimmten Satz von Spalten aus einem Datensatz zu lesen, gibt es mehrere andere Optionen:

1) Mit freadaus dem data.tablePaket:

Sie können die gewünschten Spalten mit dem selectParameter freadaus dem data.tablePaket angeben . Sie können die Spalten mit einem Vektor aus Spaltennamen oder Spaltennummern angeben.

Für den Beispieldatensatz:

library(data.table)
dat <- fread("data.txt", select = c("Year","Jan","Feb","Mar","Apr","May","Jun"))
dat <- fread("data.txt", select = c(1:7))

Alternativ können Sie den dropParameter verwenden, um anzugeben, welche Spalten nicht gelesen werden sollen:

dat <- fread("data.txt", drop = c("Jul","Aug","Sep","Oct","Nov","Dec"))
dat <- fread("data.txt", drop = c(8:13))

Alle ergeben:

> data
  Year Jan Feb Mar Apr May Jun
1 2009 -41 -27 -25 -31 -31 -39
2 2010 -41 -27 -25 -31 -31 -39
3 2011 -21 -27  -2  -6 -10 -32

UPDATE: Wenn Sie keine data.tablefread zurückgeben möchten , verwenden Sie den data.table = FALSE-parameter, z.fread("data.txt", select = c(1:7), data.table = FALSE)

2) Mit read.csv.sqlaus dem sqldfPaket:

Eine weitere Alternative ist die read.csv.sqlFunktion aus dem sqldfPaket:

library(sqldf)
dat <- read.csv.sql("data.txt",
                    sql = "select Year,Jan,Feb,Mar,Apr,May,Jun from file",
                    sep = "\t")

3) Mit den Funktionen read_*aus dem readrPaket:

library(readr)
dat <- read_table("data.txt",
                  col_types = cols_only(Year = 'i', Jan = 'i', Feb = 'i', Mar = 'i',
                                        Apr = 'i', May = 'i', Jun = 'i'))
dat <- read_table("data.txt",
                  col_types = list(Jul = col_skip(), Aug = col_skip(), Sep = col_skip(),
                                   Oct = col_skip(), Nov = col_skip(), Dec = col_skip()))
dat <- read_table("data.txt", col_types = 'iiiiiii______')

Aus der Dokumentation eine Erklärung für die verwendeten Zeichen mit col_types:

Jedes Zeichen repräsentiert eine Spalte: c = Zeichen, i = Ganzzahl, n = Zahl, d = doppelt, l = logisch, D = Datum, T = Datum Uhrzeit, t = Uhrzeit ,? = rate oder _ / - um die Spalte zu überspringen

Sie können auch JDBC verwenden, um dies zu erreichen. Lassen Sie uns eine Beispiel-CSV-Datei erstellen.

write.table(x=mtcars, file="mtcars.csv", sep=",", row.names=F, col.names=T) # create example csv file

Laden Sie den CSV-JDBC-Treiber über diesen Link herunter und speichern Sie ihn: http://sourceforge.net/projects/csvjdbc/files/latest/download

> library(RJDBC)

> path.to.jdbc.driver <- "jdbc//csvjdbc-1.0-18.jar"
> drv <- JDBC("org.relique.jdbc.csv.CsvDriver", path.to.jdbc.driver)
> conn <- dbConnect(drv, sprintf("jdbc:relique:csv:%s", getwd()))

> head(dbGetQuery(conn, "select * from mtcars"), 3)
   mpg cyl disp  hp drat    wt  qsec vs am gear carb
1   21   6  160 110  3.9  2.62 16.46  0  1    4    4
2   21   6  160 110  3.9 2.875 17.02  0  1    4    4
3 22.8   4  108  93 3.85  2.32 18.61  1  1    4    1

> head(dbGetQuery(conn, "select mpg, gear from mtcars"), 3)
   MPG GEAR
1   21    4
2   21    4
3 22.8    4

Du machst es so:

df = read.table("file.txt", nrows=1, header=TRUE, sep="\t", stringsAsFactors=FALSE)
colClasses = as.list(apply(df, 2, class))
needCols = c("Year", "Jan", "Feb", "Mar", "Apr", "May", "Jun")
colClasses[!names(colClasses) %in% needCols] = list(NULL)
df = read.table("file.txt", header=TRUE, colClasses=colClasses, sep="\t", stringsAsFactors=FALSE)