R扫描两列并保持唯一
R扫描两列并保持唯一
提问于 2013-02-11 17:39:23
我有一个以制表符分隔的数据文件，其中有四列，我希望读取R中的前两列，并且只保留唯一的两列对作为data.frame。文件可以在数百万行中：
cluster-1 3 12412341324 13412341234
cluster-1 3 62626662346 54234524354
cluster-1 3 45454345354 45454544545
cluster-2 644 12332234341 37535473475
cluster-2 644 54654365466 56565634543
cluster-2 644 56356356536 35634563456
...
cluster-9999999 123 123412341241 143132423
...我想使用scan (或任何更好的选择)来读取该文件，并最终得到一个具有以下内容的data.frame：
cluster-1 3
cluster-2 644
cluster-3 343
...
cluster-9999999 123在R中读取这么大的文件最省时的方法是什么？
回答 1
Stack Overflow用户
回答已采纳
发布于 2013-02-11 17:56:26
：如果您知道列数，比如说5列，并且您想要前两列(或者只有几列)，那么可以使用read.table中的colClasses来完成这项工作
# header here is set to false because I don't see one in your file
df <- read.table("~/file.txt", header = FALSE,
colClasses=c("character", "numeric", "NULL", "NULL", "NULL"))在这里，我们将第3到5列设置为NULL，以便跳过它们。
未知列/大量列：如果您不知道列或列太多，另一种方法是使用带有awk的pipe (或带有cut的pipe )，首先使用所需的列过滤文件，然后使用read.table加载文件
# header here is set to false because I don't see one in your file
df <- read.table(pipe("awk '{print $1\"\t\"$2}' ~/file.txt"),
header = FALSE, sep = "\t")删除重复的行：使用duplicated from base作为：
df <- df[!duplicated(df), ]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/14809407
复制相关文章
相似问题
腾讯云开发者
