Chỉ đọc các cột được chọn

Bất cứ ai có thể vui lòng cho tôi biết làm thế nào để chỉ đọc 6 tháng đầu (7 cột) cho mỗi năm của dữ liệu dưới đây, ví dụ bằng cách sử dụng 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

Giả sử dữ liệu có trong tệp data.txt, bạn có thể sử dụng colClassesđối số read.table()để bỏ qua các cột. Ở đây, dữ liệu trong 7 cột đầu tiên là "integer"và chúng tôi đặt 6 cột còn lại để "NULL"chỉ ra rằng chúng nên được bỏ qua

> 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

Thay đổi "integer"thành một trong các loại được chấp nhận như chi tiết ?read.tabletùy thuộc vào loại dữ liệu thực.

data.txt trông như thế này:

$ 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

và được tạo ra bằng cách sử dụng

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

nơi datlà

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))

Nếu số lượng cột không được biết trước, hàm tiện ích count.fieldssẽ đọc qua tệp và đếm số lượng trường trong mỗi dòng.

## 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"))

Để đọc một tập hợp các cột cụ thể từ bộ dữ liệu bạn, có một số tùy chọn khác:

1) Với freadtừ data.table-package:

Bạn có thể chỉ định các cột mong muốn với các selecttham số từ freadtừ data.tablegói. Bạn có thể chỉ định các cột với một vectơ tên cột hoặc số cột.

Đối với tập dữ liệu mẫu:

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

Ngoài ra, bạn có thể sử dụng droptham số để chỉ ra những cột nào không nên đọc:

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

Tất cả kết quả trong:

> 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

CẬP NHẬT: Khi bạn không muốn freadtrả về data.table , hãy sử dụng tham số data.table = FALSE, ví dụ:fread("data.txt", select = c(1:7), data.table = FALSE)

2) Với read.csv.sqltừ sqldf-package:

Một cách khác là read.csv.sqlchức năng từ sqldfgói:

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

3) Với các read_*-fifts từ readr-package:

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______')

Từ tài liệu giải thích cho các ký tự được sử dụng với col_types:

mỗi ký tự đại diện cho một cột: c = character, i = số nguyên, n = number, d = double, l = logic, D = date, T = date time, t = time ,? = đoán hoặc _ / - để bỏ qua cột

Bạn cũng có thể sử dụng JDBC để đạt được điều này. Hãy tạo một tệp csv mẫu.

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

Tải xuống và lưu trình điều khiển JDBC CSV từ liên kết này: http://sourceforge.net/projects/csvjdbc/files/latest/doad

> 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

Bạn làm như thế này:

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)