誰でも、たとえばread.table()
を使用して、以下のデータの各年の最初の6か月(7列)のみを読み取る方法を教えてください。
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
データがファイルdata.txt
にあるとすると、read.table()
のcolClasses
引数を使用して列をスキップできます。ここでは、最初の7列のデータは"integer"
であり、残りの6列を"NULL"
に設定して、スキップする必要があることを示しています
> 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
"integer"
を、実際のデータのタイプに応じて、?read.table
で詳述されている受け入れられたタイプのいずれかに変更します。
data.txt
は次のようになります。
$ 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
を使用して作成されました
write.table(dat, file = "data.txt", row.names = FALSE)
ここで、dat
は
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))
列の数が事前にわからない場合、ユーティリティ関数count.fields
はファイルを読み取り、各行のフィールド数をカウントします。
## 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"))
データセットから特定の列セットを読み取るには、他にもいくつかのオプションがあります。
1)fread
from data.table
- package:
data.table
パッケージのselect
のfread
パラメーターを使用して、目的の列を指定できます。列名または列番号のベクトルで列を指定できます。
サンプルデータセットの場合:
library(data.table)
dat <- fread("data.txt", select = c("Year","Jan","Feb","Mar","Apr","May","Jun"))
dat <- fread("data.txt", select = c(1:7))
または、drop
パラメーターを使用して、読み取りを禁止する列を指定できます。
dat <- fread("data.txt", drop = c("Jul","Aug","Sep","Oct","Nov","Dec"))
dat <- fread("data.txt", drop = c(8:13))
すべての結果:
> 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
更新:fread
がdata.tableを返さないようにするには、data.table = FALSE
-パラメーターを使用します。例: fread("data.txt", select = c(1:7), data.table = FALSE)
2)sqldf
- packageのread.csv.sql
で:
別の代替手段は、sqldf
パッケージのread.csv.sql
関数です。
library(sqldf)
dat <- read.csv.sql("data.txt",
sql = "select Year,Jan,Feb,Mar,Apr,May,Jun from file",
sep = "\t")
)readr
- packageのread_*
-関数を使用:
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______')
ドキュメントから、col_types
で使用される文字の説明:
各文字は1つの列を表します。c=文字、i =整数、n =数値、d = double、l =論理、D =日付、T =日付時刻、t =時間、? =推測、または列をスキップするには_ /-
JDBCを使用してこれを実現することもできます。サンプルのcsvファイルを作成しましょう。
write.table(x=mtcars, file="mtcars.csv", sep=",", row.names=F, col.names=T) # create example csv file
次のリンクからCSV JDBCドライバーをダウンロードして保存します。 http://sourceforge.net/projects/csvjdbc/files/latest/download
> 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
簡単な方法:
data <- read.table("dataname.csv", header = TRUE, sep = ",")[,1:7]