dplyr：如何在跳过某些行的同时使用 headers 读取 tsv 文件？

Question

我有一个简单的 tsv 文件，其结构如下：

0 - headerline
1 - empty line
2 - PIG schema
3 - empty line
4 - 1-st line of DATA
5 - 2-nd line of DATA

我想阅读它，可能使用 readr::read_tsv 但问题就在这里。

如您所见，第一行包含 headers。然后我做了三行 NOT 想要读取它（它们包含一些来自 Apache PIG 的超级奇怪的数据），数据从第 4 行开始。在 Pandas 中，我会做类似

的事情

df = pd.read_csv('/localpath/data.tsv', sep='\t', skiprows=[1,2,3])

允许我阅读 headers AND 以跳过第一、二、三行。

我在 readr::read_tsv 中没有看到类似的选项。即：

df = read_tsv('/localpath/data.tsv', col_names = TRUE, skip = 4)

不解析 headers...

有什么想法吗？

Answer 1

张贴我的评论作为答案。基本上，我们读入第一行作为我们的header，然后读入剩余的行作为数据：

library(readr)
names_t <- read_tsv('/localpath/data.tsv', col_names = FALSE, n_max = 1)
df1 <- read_tsv('/localpath/data.tsv', col_names = FALSE, skip = 4)
names(df1) <- names_t

请注意，在我的评论中，我指定了 nrows = 1 来读入名称（这适用于 read.csv），但在 readr::read_tsv.

dplyr：如何在跳过某些行的同时使用 headers 读取 tsv 文件？

dplyr : how to read a tsv file with headers while skipping some lines?

csv

r

dplyr

data.table

readr