使用R查找值的文本挖掘

Question

我有一個長文件，其中存儲了不同參數的值。這裏是數據的非常簡單的例子。有以上幾行C5。我想查找ISVEG和ISDISP的值。我發現MATLAB命令找到ISVEG的價值，但我不能改變，要R code

C5 MOMENTUM ADVEC AND HORIZ DIFF SWITCHES AND MISC SWITCHES 
* 
* 
C5 ISCDMA ISAHMF ISDISP ISWASP ISDRY ISQQ ISRLID ISVEG ISVEGL ISITB ISEVER IINTPG 
      0  1  0  0  -99  1  0  0  0  0  0  0 
C6 Testing 
* 
* 
C6 par1 par2 
    10  12 

Matlab代碼：

% inpfile is the file where the above sample data is stored 
fid=fopen(inpfile,'r'); 
%C5 
linestr = getstring(fid,'C5'); 
linestr = getstring(fid,'C5'); 
linestr = fgets(fid); 
val = str2num(linestr); 
isveg = val(8); 

我認爲，我們可以使用readLines但我看完後卡住線。我使用正則表達式嗎？

sampledata <- readLines("sampledata.txt") 

dput（的sampleData）加入

dput(sampledata) 
c(" C5 MOMENTUM ADVEC AND HORIZ DIFF SWITCHES AND MISC SWITCHES", 
" *", " *", " C5 ISCDMA ISAHMF ISDISP ISWASP ISDRY ISQQ ISRLID ISVEG ISVEGL ISITB ISEVER IINTPG", 
"    0  1  0  0  -99  1  0  0  0  0  0  0", 
" C6 Testing", " * ", " *", " C6 par1 par2 ", "   10  12" 
) 

Answer 1

這是我想出了。我想知道是否有一個簡單的解決方案。

> sampledata <- readLines("C:/Users/jdbaba/sampledata.txt") 
Warning message: 
In readLines("C:/Users/jdbaba/sampledata.txt") : 
    incomplete final line found on 'C:/Users/jdbaba/sampledata.txt' 
> linestr <- grep(pattern="C5", sampledata) 
> linestr 
[1] 1 4 

# Since I am interested to read values one line below C5 I used linestr[2]+1 
> sampledata[linestr[2]+1] 
[1] "    0  1  0  0  -99  1  0  0  0  0  0  0" 
> temp <- read.table(text=sampledata[linestr[2]+1], sep="") 
> temp 
    V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 
1 0 1 0 0 -99 1 0 0 0 0 0 0 
> isveg <- as.numeric(temp[8]) 
> isveg 
[1] 0 

Answer 2

這是我想出來的。由於您試圖獲得的值都爲零，並且還有其他零，因此我將要查找的值切換爲10和5，並將相同格式的另一行（C7）添加爲值20和8（用於ISDISP和ISVEG）。 這裏有一個函數，它可能在整個文件中工作（假設格式是所有感興趣的線）。

---

這裏的文字：

text <- "C5 MOMENTUM ADVEC AND HORIZ DIFF SWITCHES AND MISC SWITCHES 
* 
* 
C5 ISCDMA ISAHMF ISDISP ISWASP ISDRY ISQQ ISRLID ISVEG ISVEGL ISITB ISEVER IINTPG 
      0  1  10  0  -99  1  0  5  0  0  0  0 
C6 Testing 
* 
* 
C6 par1 par2 
10  12 
** 
C7 ISCDMA ISAHMF ISDISP ISWASP ISDRY ISQQ ISRLID ISVEG ISVEGL ISITB ISEVER IINTPG 
      0  1  20  0  -99  1  0  8  0  0  0  0" 

---

這裏的功能，這需要一個單列data.frame從read.csv作爲參數讀取。

valueFinder <- 
    function(xx) 
    { 
    xx[, 1] <- as.character(xx[, 1]) 
    index <- which(sapply(1:nrow(xx), function(i) grep("(ISDISP|ISVEG)", xx[i, ])) == TRUE) 
    aa <- lapply(index, function(j) unlist(strsplit(xx[j, ], " "))) 
    ss <- lapply(index, function(z) unlist(strsplit(xx[z+1, ], "[[:space:]]+"))) 
    d <- as.data.frame(do.call(rbind, lapply(1:length(ss), function(w){ 
     ss[[w]][aa[[w]][nzchar(aa[[w]])] == "ISDISP" | aa[[w]][nzchar(aa[[w]])] == "ISVEG"] 
     }))) 
    rownames(d) <- sapply(aa, function(x) x[1]) 
    colnames(d) <- c("ISDISP", "ISVEG") 
    return(d) 
    } 

---

而這裏的結果，顯示他們來自的價值觀和哪一行。

> xx <- read.csv(text = text, header = FALSE) 
> valueFinder(xx) 
## ISDISP ISVEG 
## C5  10  5 
## C7  20  8 

Answer 3

您可以簡單地使用read.csv(..., sep='')至少如果感興趣的文本是第一行。 （如果沒有，添加一些代碼砍感興趣的線路） 這讓你與你的興趣領域一個數據幀：

> txt <- read.csv('so.csv', sep='') 

> txt 
    C5 ISCDMA ISAHMF ISDISP ISWASP ISDRY ISQQ ISRLID ISVEG ISVEGL ISITB ISEVER IINTPG 
1 0  1  0  0 -99  1 0  0  0  0  0  0  NA 

> txt$ISVEG 
[1] 0 
> txt$ISDISP 
[1] 0 

> str(txt) 
'data.frame': 1 obs. of 13 variables: 
$ C5 : int 0 
$ ISCDMA: int 1 
$ ISAHMF: int 0 
$ ISDISP: int 0 
$ ISWASP: int -99 
$ ISDRY : int 1 
$ ISQQ : int 0 
$ ISRLID: int 0 
$ ISVEG : int 0 
$ ISVEGL: int 0 
$ ISITB : int 0 
$ ISEVER: int 0 
$ IINTPG: logi NA