使用嵌入式列表从CSV文件创建数据框架

Question

我对R还是很陌生的，可能已经把数据帧的概念搞砸了。

但是我有一个csv文件，格式如下：

ID;Year;Title;Authors;Keywords;

其中作者和关键字应该是字符串的列表。例如。

1；2013年；基于SOA和Cloud的动态非突发性健康监测；Mohammed Serhani、Abdelghani Benharret、Erlabi Badidi；E-保健、疾病、监测、预防、SOA、云、平台、m-技术；

是否有方法将这个csv文件读入R，以便将作者和关键字的数据帧列构建为列表列表？这是否需要我以一种特定的方式格式化csv文件？

使用以下选项读取csv

articles <- read.csv(file="ls.csv",head=TRUE,sep=";",stringsAsFactors=F)

生成包含字符实例的列表。但是我想要实现的是，在作者列中的每个字段中都有一个字符列表。

Answer 1

您是说您的文件包含由分号分隔的五个变量(ID、年份、标题、作者、关键字)？然后，根据定义，它不是csv文件！请记住，csv代表逗号分隔的值。有人把它命名成这样搞砸了。

您可以使用read.table读取任意分隔的数据。

articles <- read.table("ls.csv", header=TRUE, sep=";", stringsAsFactors=FALSE)

Answer 2

正如洪欧所指出的，你的字段是用“；”而不是“，”分隔的。函数read.csv具有默认值sep="，而read.csv2具有默认的sep=";“。如果我正确理解，您的字段、作者和关键字将被“分隔”，您也希望将它们分开。

我认为您不可能在data.frame中有列作者和关键字的列表类型，因为data.frame的列不能是列表。如果将列表交给data.frame，则将其分解为其列组件。在您的例子中，由于会有不同数量的作者和/或关键字，它将无法工作：

# Works
data.frame(a=list(first=1:3, second=letters[1:3]), b=list(first=4:6, second=LETTERS[1:3]))
#  a.first a.second b.first b.second
#1       1        a       4        A
#2       2        b       5        B
#3       3        c       6        C

# Does not work
data.frame(a=list(first=1:3, second=letters[1:2]), b=list(first=4:6, second=LETTERS[1:6]))
#Error in data.frame(first = 1:3, second = c("a", "b"), check.names = FALSE,  : 
#  arguments imply differing number of rows: 3, 2

但是，由于列表可能包含列表，所以可以尝试将数据帧分解为这样的列表。“example.txt”的内容：

ID;Year;Title;Authors;Keywords;
1;2013;Towards Dynamic Non-obtrusive Health Monitoring Based on SOA and Cloud;Mohammed Serhani, Abdelghani Benharret, Erlabi Badidi;E-health, Diseases, Monitoring, Prevention, SOA, Cloud, Platform, m-tech;
2;1234;Title2;Author1, Author2;Key1, Key2, Key3;
3;5678;Title3;Author3, Author4, Author5;Key1, Key2, Key4;

下面是如何做到这一点的一个例子：

x <- scan("example.txt", what="", sep="\n", strip.white=TRUE)
y <- strsplit(x, ";")
# Leave out the header
dat <- y[-1]

# Apply a function to every element inside the highest level list
dat <- lapply(dat, 
    FUN=function(x) {
        # Splits in authors and keywords list
        ret <- strsplit(x, ",");
        # Remove leading and trailing whitespace
        ret <- lapply(ret, FUN=function(z) gsub("(^ +)|( +$)", "", z));
        # Assign names to all the fields
        names(ret)<-unlist(y[1]); 
        ret
    }
)

输出：

> str(dat)
List of 3
 $ :List of 5
  ..$ ID      : chr "1"
  ..$ Year    : chr "2013"
  ..$ Title   : chr "Towards Dynamic Non-obtrusive Health Monitoring Based on SOA and Cloud"
  ..$ Authors : chr [1:3] "Mohammed Serhani" "Abdelghani Benharret" "Erlabi Badidi"
  ..$ Keywords: chr [1:8] "E-health" "Diseases" "Monitoring" "Prevention" ...
 $ :List of 5
  ..$ ID      : chr "2"
  ..$ Year    : chr "1234"
  ..$ Title   : chr "Title2"
  ..$ Authors : chr [1:2] "Author1" "Author2"
  ..$ Keywords: chr [1:3] "Key1" "Key2" "Key3"
 $ :List of 5
  ..$ ID      : chr "3"
  ..$ Year    : chr "5678"
  ..$ Title   : chr "Title3"
  ..$ Authors : chr [1:3] "Author3" "Author4" "Author5"
  ..$ Keywords: chr [1:3] "Key1" "Key2" "Key4"

# Keywords of first item
> dat[[1]]$Keywords
[1] "E-health"   "Diseases"   "Monitoring" "Prevention" "SOA"       
[6] "Cloud"      "Platform"   "m-tech"  

# Title of second item
> dat[[2]][[3]]
[1] "Title2"

# Traveling inside the list of lists, accessing the very last data element
> lastitem <- length(dat)
> lastfield <- length(dat[[lastitem]])
> lastkey <- length(dat[[lastitem]][[lastfield]])
> dat[[lastitem]][[lastfield]][[lastkey]]
[1] "Key4"

请注意，列表列表可能是在R中存储数据的一种效率低下的方法，因此，如果您有大量数据，您可能希望转移到一种更有效的方法，例如，假设访问键是您的ID (假设它是唯一的)的关系数据库结构。