第一次观察没有行号

2 回答

• 1

  我没有使用 .dat 文件，但如果您可以共享下载链接，我可以帮助进一步排除故障 . 到目前为止，我可以提供以下见解：

  • V1 （和V2，V3，V4 ...）是指R没有 Headers 时自动分配的列名 . 由于只有V1，所以当然R认为你只有1列当前设置 .

  • 关于 "4 1 5 2 3" ，您从 str 的输出中看到，该因子变量引用了数字级别（在这种情况下，整行被读作一个变量） . 默认情况下，R始终按字母顺序对级别进行排序 . 虹膜数据集中的这个示例应该有助于澄清：

  str(iris)
  #> 'data.frame':    150 obs. of  5 variables:
  #>  $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
  #>  $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
  #>  $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
  #>  $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
  #>  $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
  head(iris$Species)
  #> [1] setosa setosa setosa setosa setosa setosa
  #> Levels: setosa versicolor virginica
  levels(iris$Species)
  #> [1] "setosa"     "versicolor" "virginica"
  

  由reprex package（v0.2.0）创建于2018-08-18 .

  您可以看到值 setosa 被认为是 1 ，因为它是第一级， setosa 是2，而 virginica 是3.但是，这应该都是一个没有实际意义的点，因为您不希望将整行读作一个变量 .

  回复于 2024-05-03T15:36:01+08:00
• 1

  关于您的主要问题，我能够组合一个自定义函数来解析您的数据的数据 . 将来，如果有一个引用源数据中的文本的选项，事情可能会简单得多 . 无论如何，希望这对你有用！您只需设置列名称并将某些列从字符更改为数字 .

  library(tidyverse)
  library(stringr)
  
  directory <- "/Users/jas/Desktop"
  filename <- "NatPark_Plus.dat"
  file <- file.path(directory, filename)
  
  # tabs
  data <- read.delim(file, header = FALSE, sep = "\t")
  #> Warning in read.table(file = file, header = header, sep = sep, quote =
  #> quote, : incomplete final line found by readTableHeader on '/Users/jas/
  #> Desktop/NatPark_Plus.dat'
  
  # We have 5 records, but the spacing amongst them is uneven and some words with spaces
  
  text <- data$V1
  
  # Parse text to make same number of columns - 4
  # Creates a separate dataframe for each row
  parse_text_to_df <- function(x) {
    # Find more than one spaces and replace with tab
    x <- gsub("[ ]{2,}", "\t", x)
    # replace remaining space with tab (cannot use comma since numbers have comma)
    x <- gsub(" ", "\t", x)
    # Should be only 3 tabs on each line - WORKS FOR THIS DATASET ONLY
    total_tabs <- stringr::str_count(x, "\t")
    # If we have those words with spaces, we need to remove the extra tabs between them
    if (total_tabs[1] > 3) {
      num_tabs_to_remove <- total_tabs - 3
      for (i in range(num_tabs_to_remove)) {
        x <- sub("\t", " ", x)
      }
    }
    # Convert to an object that can be read back into a dataframe
    x <- readLines(textConnection(x))
    df <- read.delim(text = x, header = FALSE, sep = "\t") %>%
      mutate_all(as.character)
    return(df)
  }
  
  # Combine each of the 1 row dataframes into one dataframe (all character vectors)
  df <- text %>% map_df(parse_text_to_df)
  df
  #>                      V1       V2   V3        V4
  #> 1           Yellowstone ID/MT/WY 1872 4,065,493
  #> 2            Everglades       FL 1934 1,398,800
  #> 3              Yosemite       CA 1864   760,917
  #> 4 Great Smoky Mountains    NC/TN 1926   520,269
  #> 5        Wolf Trap Farm       VA 1966       130
  

  由reprex package（v0.2.0）创建于2018-08-18 .

  回复于 2024-05-03T15:36:01+08:00