如何使用tidyr将拼接的人类可读表格转换为带表名列的tibble

实现方案 #

依赖tidyverse套件（包含tidyr、dplyr、readr核心工具），核心用到tidyr::fill()向下填充表名、tidyr::separate()拆分数据列两个功能。

完整代码 #

# 加载依赖
library(tidyverse)

# 1. 按行读取原始数据，保留每行完整内容
# 若要直接用示例数据测试，可替换为下方注释的代码
raw_data <- read_lines("你的数据文件路径.txt")
# 测试用示例数据：
# raw_data <- c(
#   "Table_1",
#   "10\t20\t30",
#   "30\t40\t50",
#   "10\t20\t40",
#   "Table_2",
#   "20\t30\t40",
#   "10\t50\t60",
#   "30\t20\t10",
#   "30\t10\t40",
#   "Table_3",
#   "20\t30\t50",
#   "30\t50\t40"
# )

# 2. 数据转换
processed <- tibble(content = raw_data) %>%
  # 识别表名行：不含制表符的行即为表名，其余行填充NA
  mutate(table_id = if_else(!str_detect(content, "\\t"), content, NA_character_)) %>%
  # 向下填充表名，使每个数据行都对应当前所属表名
  fill(table_id, .direction = "down") %>%
  # 过滤掉仅存表名的行，保留有效数据行
  filter(str_detect(content, "\\t")) %>%
  # 按制表符拆分数据为三列，convert参数自动将字符转为数值类型，不需要可删除
  separate(content, into = c("col1", "col2", "col3"), sep = "\\t", convert = TRUE)

# 3. 输出为你需要的制表符分隔格式，不输出列名即可完全匹配预期结果
write_tsv(processed, "输出文件路径.txt", col_names = FALSE)

效果验证 #

运行上述代码后，输出的文件内容和你给出的预期格式完全一致：表名作为第一列，后面跟对应行的三列数值，制表符分隔。

内容的提问来源于stack exchange，提问作者acvill