将 NA 插入作为字符串读取的数据中

Question

我有一个文本文件，行之间的元素不相等。 有时第二列包含数据，有时包含NA，有时根本没有记录任何内容。 我知道如果一行中只有 4 个元素，我应该插入一个NA作为第二列中的元素。 但是，我不知道该怎么做。 下面是一个示例数据集：

abc.def ghi.jkl mno pqr A*
bc.def NA no qr A
c-e.ef non qrr AE
fg.gg no qr E
aa.bb cc.dd ee ff A*

这是所需的结果：

desired.result <- read.table(text = '
  Name1   Name2  Name3 Name4 Status
abc.def ghi.jkl    mno   pqr     A*
 bc.def      NA     no    qr      A
 c-e.ef      NA    non   qrr     AE
  fg.gg      NA     no    qr      E
  aa.bb   cc.dd     ee    ff     A*
', header = TRUE)

我还没有走多远，但是我已经能够使用以下代码拆分数据并将其输入到matrix中。 当然，数据是未对齐的。

setwd('c:/users/mmiller21/simple R programs')
my.data <- readLines('name_data.txt')
matrix(unlist(strsplit(unlist(my.data), " ")), ncol=5, byrow=TRUE)
#      [,1]      [,2]      [,3]  [,4]      [,5]     
# [1,] "abc.def" "ghi.jkl" "mno" "pqr"     "A*"     
# [2,] "bc.def"  "NA"      "no"  "qr"      "A"      
# [3,] "c-e.ef"  "non"     "qrr" "AE"      "fg.gg"  
# [4,] "no"      "qr"      "E"   "aa.bb"   "cc.dd"  
# [5,] "ee"      "ff"      "A*"  "abc.def" "ghi.jkl"

不知何故，我应该在使用strsplit(unlist(my.data), " ")后计算元素的数量，然后在每行仅包含四个元素的NA作为第二个元素插入。 然后将数据输入到矩阵中。 感谢您对此的任何帮助。 我更喜欢基础R。

Answer 1

dat <- read.table(text="abc.def ghi.jkl mno pqr A*
 bc.def NA no qr A
 c-e.ef non qrr AE
 fg.gg no qr E
 aa.bb cc.dd ee ff A*", fill=TRUE, stringsAsFactors=FALSE)
 names(dat) <- c('Name1'  , 'Name2',  'Name3', 'Name4','Status')
 is.na(dat[[5]]) <- dat[[5]]==""   # set blanks in col 5 to NA
 t( apply( dat, 1, function(r) if( is.na( r[5]) ) {r[c(1,5,2:4)]}else {r}))
 #---------
     [,1]      [,2]      [,3]  [,4]  [,5]
[1,] "abc.def" "ghi.jkl" "mno" "pqr" "A*"
[2,] "bc.def"  NA        "no"  "qr"  "A" 
[3,] "c-e.ef"  NA        "non" "qrr" "AE"
[4,] "fg.gg"   NA        "no"  "qr"  "E" 
[5,] "aa.bb"   "cc.dd"   "ee"  "ff"  "A*"

Answer 2

将dat替换为您的文件名：

dat <- textConnection("abc.def ghi.jkl mno pqr A*
bc.def NA no qr A
c-e.ef non qrr AE
fg.gg no qr E
aa.bb cc.dd ee ff A*")
my.lines  <- readLines(dat)
my.rows   <- strsplit(my.lines, " ")
adjust    <- function(row) {
   if (length(row) == 4) c(head(row, 1), NA, tail(row, 3))
   else row
}
my.fixed  <- lapply(my.rows, adjust)
out <- matrix(unlist(my.fixed), ncol = 5, byrow = TRUE)
out[out == "NA"] <- NA

Answer 3

您可以使用选项 fill=TRUE ，然后翻译遗漏的行：

dat <- read.table(text='abc.def ghi.jkl mno pqr A*
  bc.def NA no qr A
c-e.ef non qrr AE
fg.gg no qr E
aa.bb cc.dd ee ff A*',fill=TRUE)
t(apply(dat,1,function(x){
  if(nchar(x[5])==0)
    x= c(x[1],NA_character_,x[2:4])
  x
}))
   [,1]      [,2]      [,3]  [,4]  [,5]
[1,] "abc.def" "ghi.jkl" "mno" "pqr" "A*"
[2,] "bc.def"  NA        "no"  "qr"  "A" 
[3,] "c-e.ef"  NA        "non" "qrr" "AE"
[4,] "fg.gg"   NA        "no"  "qr"  "E" 
[5,] "aa.bb"   "cc.dd"   "ee"  "ff"  "A*"

Answer 4

读取行，按空格字符拆分，并附加 NA：

txt <- readLines(file)
t(sapply(strsplit(txt, "\s+"), function(x) if(length(x) < 5) append(x, NA, 1) else x))
#      [,1]      [,2]      [,3]  [,4]  [,5]  
# [1,] "abc.def" "ghi.jkl" "mno" "pqr" "A*"
# [2,] "bc.def"  "NA"      "no"  "qr"  "A" 
# [3,] "c-e.ef"  NA        "non" "qrr" "AE"
# [4,] "fg.gg"   NA        "no"  "qr"  "E" 
# [5,] "aa.bb"   "cc.dd"   "ee"  "ff"  "A*"

带数据管理的完整版：

file <- tempfile()
cat("abc.def ghi.jkl mno pqr A*
bc.def NA no qr A
c-e.ef non qrr AE
fg.gg no qr E
aa.bb cc.dd ee ff A*", "n", sep="", file=file)
txt <- readLines(file)
t(sapply(strsplit(txt, "\s+"), function(x) if(length(x) < 5) append(x, NA, 1) else x))
unlink(file)

请注意，这类似于@Flodel