从下载的html文件中提取的数据帧包含由空格分隔的浮动;如何清洁

Question

这是这个问题的后续，在这个问题中，我从CDS下载了一个文件，并使用以下脚本用rvest提取：

library(rvest)
download.file("https://cdsarc.cds.unistra.fr/viz-bin/nph-Cat/html?J/MNRAS/495/1706/subaru.dat.gz", "subaru.dat.gz")
x <- rvest::read_html("subaru.dat.gz")
y <- rvest::html_table(x)
write.csv(y, file = 'subaru_fixed.csv')

生成的csv文件包含几个character类型的列，这些列包含两个用空格分隔的浮点值(表示测量值及其误差(。理想情况下，我想将这两个浮点值分开，并将错误放在它们自己的列中，但我可以完全忽略第二个浮点值。例如，

Bmag (e)       | Vmag (e)  | rmag (e)
21.6219 0.0015 |24.0 0.012 | 23.3316 0.0089

成为

Bmag       | Vmag | rmag
21.6219    | 24.0 | 23.3316

我想有一些方法可以使用Python来实现这一点。有人能帮忙吗？

Answer 1

您可以在编写CSV之前使用tidyr::separate。可能有一个聪明的函数可以同时对多个列应用separate，但这里有一种方法可以对感兴趣的3列使用3个分隔符。

library(tidyr)
# example data
df1 <- data.frame(`Bmag (e)` = "21.6219 0.0015",
`Vmag (e)` = "24.0 0.012",
`rmag (e)` = "23.3316 0.0089",
check.names = FALSE)
df1 %>% 
separate(`Bmag (e)`, 
into = c("Bmag", "Bmag_e"), 
sep = " ") %>% 
separate(`Vmag (e)`, 
into = c("Vmag", "Vmag_e"), 
sep = " ") %>% 
separate(`rmag (e)`, 
into = c("rmag", "rmag_e"), 
sep = " ")

结果：

Bmag Bmag_e Vmag Vmag_e    rmag rmag_e
1 21.6219 0.0015 24.0  0.012 23.3316 0.0089