Ben belge burada R sabit genişlikli dosyaları okuma, hem de en hızlı olduğu için bazı kriterler sağlamak için alternatifler listesi.
Benim tercih yaklaşım birleştirmektir fread
ile stringi
; en hızlı yaklaşım olarak rekabetçidir ve verilerinizi şu şekilde depolamanın ek faydasına (IMO) sahiptir data.table
:
library(data.table)
library(stringi)
col_ends <-
list(beg = c(1, 10, 15, 19, 23, 28, 32, 36,
41, 45, 49, 54, 58),
end = c(9, 14, 18, 22, 27, 31, 35,
40, 44, 48, 53, 57, 61))
data = fread(
"http://www.cpc.ncep.noaa.gov/data/indices/wksst8110.for",
header = FALSE, skip = 4L, sep = NULL
)[, lapply(1:(length(col_ends$beg)),
function(ii)
stri_sub(V1, col_ends$beg[ii], col_ends$end[ii]))
][ , paste0("V", c(2, 5, 8, 11)) := NULL]
Not fread
bu durumda kümesinde, bazen, bu istenmeyen bir durumdur - otomatik olarak ön ve boşluk arka şeritler strip.white = FALSE
.
Şunları ww
yaparak da sütun genişlikleri vektörüyle başlayabilirdik :
ww <- c(9, 5, 4, 4, 5, 4, 4, 5, 4, 4, 5, 4, 4)
nd <- cumsum(ww)
col_ends <-
list(beg = c(1, nd[-length(nd)]+1L),
end = nd)
Aşağıdakiler gibi negatif endeksler kullanarak hangi sütunları daha sağlam bir şekilde hariç tutacağımızı seçebilirdik:
col_ends <-
list(beg = c(1, -10, 15, 19, -23, 28, 32, -36,
41, 45, -49, 54, 58),
end = c(9, 14, 18, 22, 27, 31, 35,
40, 44, 48, 53, 57, 61))
Ardından sonraki satırda ve col_ends$beg[ii]
ile değiştirin abs(col_ends$beg[ii])
:
paste0("V", which(col_ends$beg < 0))
Son olarak, sütun adlarının da programlı olarak okunmasını istiyorsanız, şunları temizleyebilirsiniz readLines
:
cols <-
gsub("\\s", "",
sapply(1:(length(col_ends$beg)),
function(ii)
stri_sub(readLines(URL, n = 4L)[4L],
col_ends$beg[ii]+1L,
col_ends$end[ii]+1L)))
cols <- cols[cols != ""]
(Bu adımı birleştirmenin fread
, başlık satırını kaldırmak için tablonun bir kopyasını oluşturmayı gerektireceğini ve bu nedenle büyük veri kümeleri için verimsiz olacağını unutmayın)
read.fwf
Sabit genişlikte biçimlendirilmiş verileri okumak için bir göz atın .