R读取固定宽度TXT文件里的部分变量 read_fwf 出错==5 楼上传样本数据及问题描述

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

外部文件：固定宽度的TXT文件，1m数据，1000+变量,没有变量名行。读取要求：尝试用read_fwf读入3个变量，按照其字段位置: seqnumber: 195-204;cell_cd:205-207; ms_flag:4073-4074
code:
test2<-read_fwf("samplefile.TXT",na = c("", "NA"),fwf_positions(c(195,205,4073),c(204,207,4074),col_names=c("seqnumber","cell_cd","ms_flag")))


根据数据，msflag理应只有2个字段（4073-4074），但输出如下：
min(test2$ms_flag)
[1] "0000000000000000000000000000000000000000000000000119581048713051110740835114128                                                                                                                                                                                                              UUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUUU


不知道怎么理解。
谢谢。

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：READ 样本数据 样本数 txt EAD 样本

上传数据才好去试验一下你的代码哈

jiangbeilu 发表于 2016-3-17 09:56
上传数据才好去试验一下你的代码哈

谢谢回复。 数据是保密性质的，所以没办法上传。其实主要问题是，要依靠字段起始位置，输入固定宽度TXT文件里的部分变量，用read_fwf怎么读？试过了好几个文件，都有出错。这个函数对字段的缺省值是怎么处理的？除了这个函数，还有哪些函数更有效？

我主要想在R里面实现SAS的 infile  input 功能：
data sample;
infile 'data location' missover lrecl=5000;
input
seqnumber 195-204
cell_cd 205-207
mf_flag $４０７３－４０７４
；
ｒｕｎ；

ＳＡＳ里读取这样的文件，高效又准确，同时还可以确定每个变量的数据类型。
特别想知道，要实现类似功能，　Ｒ里面可以如何做？

谢谢。

不好意思，文件的基本类型都没有看到，不清楚你的具体要求。
read.table等函数里有colClasses 参数可以设置

test.txt (4 KB)

2016-3-30 03:40:40 上传

样本数据

谢谢楼上朋友的回复。我随机模拟了4行样本数据，跟原数据的数据文件/变量值/缺省值情况是一模一样的。数据是没有变量头的，所以会单独有一个索引文件交待各变量的起始位置，含义，变量类型等，这个暂且不表。
先说说我们通常的做法：利用SAS，infile input 函数, 如以下 （ 比如：数据位置从46-60 是变量NO的值，该值是数字型变量；
而61-64属于变量NUMBER，该变量为文本型变量 ， 这些都是根据索引文件来的）。

data qq;
infile 'QM\test.txt' missover lrecl=1500;
input

NO              46   -    60

NUMBER          $    61   -    64

TYPE       $    65   -    67

DATE       $    68   -    77

SCODE      $    78   -    81

CODE       $    82   -    84

RPTYPE          $    85   -    87

RP         $    88   -    90

RPT        $    91   -    92

ZIP        $    93   -    97

MM_E       $    98   -    99

MM_C       $    100  -    109

MM_C       $    110  -    117

CA         $    118  -    185

TU_S       $    354  -    356

TU_ST      $    357  -    359

TU_A       $    360  -    369

TU_F       $    370  -    469

QM_M       $    470  -    471

QM_F       $    472  -    580

QUOT $    581  -    590

QUOTS      $    591  -    592

QUOT_P          $    593  -    602

QUOT_ZP         $    603  -    612

CREAD      $    613  -    628

DATE_F          $    629  -    638

STAT       $    639  -    667

REM        $    668  -    683

CAM        $    684  -    729

LO   $    730  -    739

AG         $    740  -    742

MED        $    743  -    762

LIST_N          $    763  -    773

LIST_R          $    774  -    784

CP_ID      $    785  -    793

LETTER          $    794  -    801

ORDER      $    802  -    809

C_IND      $    810  -    810

SUBTIME         $    811  -    826

REP_TXT         $    827  -    875

INAMT      $    876  -    881

FT_NR      $    882  -    882

ES_NR      $    883  -    883

HT_NR      $    884  -    884

OR_CDE          $    885  -    920

DER        $    921  -    927

AG              928  -    929

SE         $    930  -    943

VER        $    944  -    951

E_IND      $    952  -    952

I_IND      $    953  -    953

Y_IND      $    954  -    954

C_IND      $    955  -    955

RE_IND          $    956  -    956

ST_IND          $    957  -    957

ER_IND          $    958  -    958

RA_IND          $    959  -    959

RESNM      $    960  -    973

PRE        $    974  -    980

REF_ID          $    981  -    988

SU_ID      $    989  -    995

PRE_NT          $    996  -    1007

PRE_CY     $          1008 -    1010

ESC  $          1011 -    1060

MPD_NR          $    1061 -    1062

OS_DT      $    1063 -    1072

；
run;
所以我的问题是，如果要在R中复制这块SAS code的功能如何实现?

这个样本属于比较小的数据，只有数十个变量，通常需要处理的文件多达4000-5000个变量，这时SAS infile, input 的优势就变得特别明显，不管是全部输入5000个变量，还是只输入其中的10个变量，只要通过变换： 变量名 $(or blank) 变量起始值位置 - 变量终值位置 就可以了。
例如，下面的code输入的数据集只有该文件中的 PRE_NT，PRE_CY，ESC，MPD_NR， OS_DT，这5个变量。
data qq2;
infile 'QM\test.txt' missover lrecl=1500;
input

PRE_NT          $    996  -    1007

PRE_CY     $          1008 -    1010

ESC  $          1011 -    1060

MPD_NR          $    1061 -    1062

OS_DT      $    1063 -    1072

；
run;

不知道我的问题表述清楚了没有。还请各位赐教！
谢谢！

踢一下。

再踢一下