请教如何用R读取无规律的文本文件

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

请教如何用R读取无规律的文本文件

请问如何读取下面文件：
我其实只需要最后两行里面的4个数据，想把它们保存在一个向量或矩阵里面，因为有很多类似文件需要读取，但是每个文件中的行数均不一样，不知道如何提取需要的数据。还请达人指点，谢谢！

# 3PL estimation for single group
# Write output to log file
output -log_file CC_100.log

#The priors used in BILOG
options -default_prior_b {normal 0 2}
options -default_prior_a {lognormal 0.0 0.5}
options -default_prior_c {beta 6 16 0.0 1.0}

# the items to be modeled
allocate_items_dist 60 -num_groups 2

options -max_iter_optimize 2000

# Read examinee item responses from file
read_examinees Y_100.dat {@2 60i1} {i1}

# Compute starting values for item parameter estimates
starting_values_dichotomous

# Perform EM iterations for computing item parameter estimates.
# Maximum of 50 EM iterations.
EM_steps -max_iter 2000

print -latent_dist_moments

# Print item parameter estimates
write_item_param CC_100.par
# end of run
release_items_dist
----------------------------------------------------------------------

Number of items: 60
Number of latent variable points: 40
Number of examinee groups: 2

Default prior for a-parameters:
lognormal  Mean: 0.000     s.d. 0.500   
Default prior for b-parameters:
normal  Mean: 0.000     s.d. 2.000   
Default prior for c-parameters:
beta  a: 6.000   b: 16.000  lower limit: 0.000    upper limit: 1.000  

Read 3500 examinee records from file Y_100.dat

EM iterations
(iteration: parameter criterion, dist criterion, marginal posterior mode)
    1: 0.333017  0.983328  -65310.6154
    2: 0.076773  0.098140  -65295.6751
    3: 0.029109  0.047026  -65290.6117
    4: 0.016008  0.035879  -65287.7342
    5: 0.014151  0.027880  -65285.8887
    6: 0.012574  0.021876  -65284.6163
    7: 0.010898  0.018541  -65283.6848
    8: 0.009329  0.016498  -65282.9670
    9: 0.007944  0.014886  -65282.3900
   10: 0.006759  0.013744  -65281.9099
   11: 0.005764  0.013076  -65281.4993
   12: 0.004934  0.012372  -65281.1402
   13: 0.004243  0.011651  -65280.8206
   14: 0.003668  0.010931  -65280.5319
   15: 0.003203  0.010226  -65280.2681
   16: 0.002784  0.009545  -65280.0246
   17: 0.002440  0.009030  -65279.7980
   18: 0.002149  0.008690  -65279.5857
   19: 0.001901  0.008387  -65279.3856
   20: 0.001856  0.008113  -65279.1961
   21: 0.001852  0.007865  -65279.0159
   22: 0.001845  0.007636  -65278.8440
   23: 0.001835  0.007424  -65278.6795
   24: 0.001822  0.007236  -65278.5217
   25: 0.001808  0.007124  -65278.3700
   26: 0.001798  0.007018  -65278.2238
   27: 0.001788  0.006917  -65278.0829
   28: 0.001776  0.006820  -65277.9467
   29: 0.001763  0.006726  -65277.8151
   30: 0.001749  0.006634  -65277.6876
   31: 0.001734  0.006545  -65277.5641
   32: 0.001719  0.006457  -65277.4444
   33: 0.001703  0.006371  -65277.3282
   34: 0.001687  0.006286  -65277.2155
   35: 0.001670  0.006201  -65277.1059
   36: 0.001653  0.006118  -65276.9995
   37: 0.001636  0.006034  -65276.8960
   38: 0.001619  0.005952  -65276.7953
   39: 0.001602  0.005869  -65276.6974
   40: 0.001585  0.005787  -65276.6021
   41: 0.001568  0.005705  -65276.5093
   42: 0.001550  0.005624  -65276.4189
   43: 0.001533  0.005559  -65276.3309
   44: 0.001516  0.005550  -65276.2451
   45: 0.001499  0.005543  -65276.1615
   46: 0.001482  0.005537  -65276.0801
   47: 0.001463  0.005532  -65276.0007
   48: 0.001445  0.005528  -65275.9233
   49: 0.001426  0.005525  -65275.8478
   50: 0.001408  0.005523  -65275.7741
   51: 0.001390  0.005521  -65275.7023
   52: 0.001372  0.005519  -65275.6322
   53: 0.001354  0.005518  -65275.5637
   54: 0.001339  0.005517  -65275.4970
   55: 0.001324  0.005508  -65275.4318
   56: 0.001309  0.005477  -65275.3682
   57: 0.001294  0.005446  -65275.3061
   58: 0.001279  0.005415  -65275.2454
   59: 0.001265  0.005384  -65275.1862
   60: 0.001251  0.005354  -65275.1283
   61: 0.001236  0.005323  -65275.0718
   62: 0.001222  0.005292  -65275.0165
   63: 0.001209  0.005261  -65274.9626
   64: 0.001195  0.005230  -65274.9098
   65: 0.001181  0.005199  -65274.8583
   66: 0.001168  0.005167  -65274.8079
   67: 0.001155  0.005136  -65274.7587
   68: 0.001141  0.005104  -65274.7106
   69: 0.001129  0.005073  -65274.6635
   70: 0.001116  0.005041  -65274.6175
   71: 0.001103  0.005009  -65274.5724
   72: 0.001090  0.004976  -65274.5284
   73: 0.001078  0.004944  -65274.4854
   74: 0.001066  0.004912  -65274.4432
   75: 0.001053  0.004879  -65274.4020
   76: 0.001040  0.004846  -65274.3617
   77: 0.001027  0.004814  -65274.3222
   78: 0.001014  0.004781  -65274.2836
   79: 0.001002  0.004748  -65274.2458
   80: 0.000989  0.004715  -65274.2088

Moments of Latent Variable Distributions (group 1, 2, etc)
Mean:        -0.000000        0.901525
s.d.:        0.999646        1.427310


我其实只需要最后两行里面的4个数据，想把它们保存在一个向量或矩阵里面，因为有很多类似文件需要读取，但是每个文件中的行数均不一样，不知道如何提取需要的数据。还请达人指点，谢谢！这个文件也上传了附件。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：文本文件 如何用 distribution Dichotomous parameters 文本文件 如何

可能复杂了些

data <- readLines("youfile.txt")

data <- data[(length(data)-1):(length(data))]
data <- gsub("[[:space:]]+", " ", data)
data <- paste(data, collapse="\n")
data <- read.table(textConnection(data), header=F)
data[, -1]