web-dev-qa-db-fra.com

Quelle est la bonne façon de lire ligne par ligne dans R?

J'ai un fichier où chaque ligne est un ensemble de résultats collectés dans une réplique spécifique d'une expérience. Le nombre de résultats dans chaque expérience (c'est-à-dire le nombre de colonnes dans chaque ligne) peut différer. Il n'y a pas non plus d'importance à l'ordre des résultats dans chaque ligne (le premier résultat de la ligne 1 et le premier résultat 2 ne sont pas plus liés que toute autre paire; ce sont des ensembles des résultats).

Le fichier ressemble à ceci:

2141 0 5328 5180 357 5335 1 5453 5325 5226 7 4880 5486 0 
2650 0 5280 4980 5243 5301 4244 5106 5228 5068 5448 3915 4971 5585 4818 4388 5497 4914 5364 4849 4820 4370
2069 2595 2478 4941 
2627 3319 5192 5106 32 4666 3999 5503 5085 4855 4135 4383 4770 
2005 2117 2803 2722 2281 2248 2580 2697 2897 4417 4094 4722 5138 5004 4551 5758 5468 17361 
1914 1977 2414 100 2711 2171 3041 5561 4870 4281 4691 4461 5298 3849 5166 5578 5520 4634 4836 4905 5105 5089
2539 2326 0 4617 3735 0 5122 5439 5238 1
25 5316 21173 4492 5038 5944 5576 5424 5139 5184 5 5096 4963 2771 2808 2592 2
4963 9428 17152 5467 5202 6038 5094 5221 5469 5079 3753 5080 5141 4097 5173 11338 4693 5273 5283 5110 4503 51
2024 2 2822 5097 5239 5296 4561

sauf que chaque ligne est beaucoup plus longue (jusqu'à quelques milliers de valeurs). Comme on peut le voir, toutes les valeurs sont des entiers non négatifs.

Pour faire court - ce n'est pas un tableau normal, où les colonnes ont des significations. C'est juste un tas de résultats - chaque ensemble sur une ligne.

Je voudrais lire tous les résultats, puis effectuer certaines opérations sur chaque expérience (ligne), telles que le calcul de l'ecdf. Je voudrais également calculer l'ecdf moyen sur toutes les répliques.

Mon problème - comment lire ce fichier étrange? Je suis tellement habitué à read.table Que je ne suis pas sûr d'avoir essayé autre chose ... Dois-je utiliser des bas niveau comme readlines? Je suppose que la sortie préférée serait une liste (ou un vecteur?) De vecteurs. J'ai regardé scan mais il semble que tous les vecteurs doivent être de la même longueur là-bas.

Toute suggestion sera appréciée.

UPDATE En suivant les suggestions ci-dessous, je fais maintenant quelque chose comme ceci:

con <- file('myfile') 
open(con);
results.list <- list();
current.line <- 1
while (length(line <- readLines(con, n = 1, warn = FALSE)) > 0) {
 results.list[[current.line]] <- as.integer(unlist(strsplit(line, split=" ")))
 current.line <- current.line + 1
} 
close(con)

Semble fonctionner. Ça a l'air bien?

Lorsque je summary(results.list) j'obtiens: Mode classe de longueur

      Length Class  Mode  
 [1,] 1091   -none- numeric
 [2,] 1070   -none- numeric
   ....

La classe ne devrait-elle pas être entière? Et quel est le mode?

rinputformat
40
David B

L'exemple auquel Josh est lié est celui que j'utilise tout le temps.

inputFile <- "/home/jal/myFile.txt"
con  <- file(inputFile, open = "r")

dataList <- list()
ecdfList <- list()

while (length(oneLine <- readLines(con, n = 1, warn = FALSE)) > 0) {
    myVector <- (strsplit(oneLine, " "))
    myVector <- list(as.numeric(myVector[[1]]))
    dataList <- c(dataList,myVector)

    myEcdf <- ecdf(myVector[[1]])
    ecdfList <- c(ecdfList,myEcdf)

  } 

close(con)

J'ai édité l'exemple pour créer deux listes à partir de vos données d'exemple. dataList est une liste où chaque élément de la liste est un vecteur de valeurs numériques de chaque ligne de votre fichier texte. ecdfList est une liste où chaque élément est un ecdf pour chaque ligne de votre fichier texte.

Vous devriez probablement y ajouter une logique try () ou trycatch () pour gérer correctement les situations où le fichier ecdf ne peut pas être créé en raison de valeurs nulles ou autres. Mais l'exemple ci-dessus devrait vous rapprocher assez. Bonne chance!

29
JD Long

Oui, vous pouvez utiliser readLines. JD Long a un bon exemple , que j'ai légèrement modifié et fourni ci-dessous.

con  <- file(inputFile, open = "r")

while (length(oneLine <- readLines(con, n = 1, warn = FALSE)) > 0) {
  # do stuff
} 

close(con)
19
Joshua Ulrich

Pourquoi s'embêter avec la lecture ligne par ligne?

results.list <- lapply(strsplit(readLines("myfile")," "), as.integer)

vous donne la liste des vecteurs entiers.

À propos de vos questions supplémentaires: jetez un œil à ?mode (En bref - mode est numérique pour les nombres, typeof peut être entier ou double et class numérique ou entier). Pour voir s'il existe des nombres entiers, vérifiez str(results.list) ou lapply(results.list, class).

8
Marek

Ou:

df <- read.delim(file="whatever", header=F, sep = " ")
5
Brandon Bertelsen

Utilisation

line <- readLines(con, 1)

pour lire une ligne de la connexion con, qui peut être aussi simple que con <- file(filename, "r").

2
Dirk Eddelbuettel

si vous savez que les valeurs du fichier sont des entiers, vous pouvez utiliser scan() au lieu de readLines(), mais aussi en boucle:

open(con)
results.list <- list();
current.line <- 1
while( length(line <- scan(con,what=integer(0),nlines=1,quiet=TRUE))>0 ) {
  results.list[[current.line]] <- line
  current.line <- current.line + 1
}
close(con)

Vous obtiendrez une liste de vecteurs numériques.

1
hatmatrix