如何在R中读取带注释的制表符分隔数据为tibble或data.frame

你提供的是USGS水文数据的典型格式，可通过以下两种方法读取为tibble或data.frame：

方法1：使用tidyverse套件（推荐，输出为tibble） #

操作步骤 #

1. 加载依赖包

library(tidyverse)

2. 读取并清洗数据

# 读取文件所有行，自动跳过#开头的注释行
raw_lines <- read_lines("你的数据文件路径.txt", comment = "#")

# 提取统一表头（取第一个非注释行即可，该类数据所有块表头一致）
col_names <- str_split_1(raw_lines[1], "\\t")

# 过滤掉所有重复表头行和类型说明行
data_lines <- raw_lines[!str_detect(raw_lines, "^agency_cd|\\d+s.*\\d+n.*\\d+d")]

# 读取数据为tibble，指定列类型避免自动识别错误
df <- read_tsv(
  I(data_lines),
  col_names = col_names,
  col_types = "ccDnc" # 对应5列的类型：字符、字符、日期、数值、字符
)

方法2：基础R实现（输出为data.frame） #

# 读取所有行，过滤#开头的注释
all_lines <- readLines("你的数据文件路径.txt")
valid_lines <- all_lines[!startsWith(all_lines, "#")]

# 提取表头
col_names <- strsplit(valid_lines[1], "\t")[[1]]

# 过滤重复表头和类型说明行
data_lines <- valid_lines[!grepl("^agency_cd|\\d+s.*\\d+n.*\\d+d", valid_lines)]

# 读取为data.frame
df <- read.delim(
  text = data_lines,
  sep = "\t",
  header = FALSE,
  col.names = col_names,
  colClasses = c("character", "character", "Date", "numeric", "character"),
  na.strings = ""
)

注意事项 #

• 站点号site_no指定为字符类型，避免前导0丢失
• 空值会自动识别为NA，匹配样例中缺测日期的数值为空的情况
• 如果数据块表头不统一，可添加分段逻辑分别处理每个数据块的表头和数据

内容的提问来源于stack exchange，提问作者hrkshr