sirve - read.csv, encabezado en primera línea, omita segunda línea

procedimiento para leer datos csv con r

Question

Tengo un archivo CSV con dos filas de encabezado, la primera fila quiero ser el encabezado, pero la segunda fila que quiero descartar. Si hago el siguiente comando:

data <- read.csv("HK Stocks bbg.csv", header = T, stringsAsFactors = FALSE)

La primera fila se convierte en el encabezado y la segunda fila del archivo se convierte en la primera fila de mi marco de datos:

 Xaaaaaaaaa X X.1 Xbbbbbbbbbb X.2 X.3
1 Date PX_LAST NA Date PX_LAST NA
2 31/12/2002 38.855 NA 31/12/2002 19.547 NA
3 02/01/2003 38.664 NA 02/01/2003 19.547 NA
4 03/01/2003 40.386 NA 03/01/2003 19.547 NA
5 06/01/2003 40.386 NA 06/01/2003 19.609 NA
6 07/01/2003 40.195 NA 07/01/2003 19.609 NA

Quiero omitir esta segunda fila del archivo CSV y solo obtener

 X1.HK.Equity X X.1 X2.HK.Equity X.2 X.3
2 31/12/2002 38.855 NA 31/12/2002 19.547 NA
3 02/01/2003 38.664 NA 02/01/2003 19.547 NA
4 03/01/2003 40.386 NA 03/01/2003 19.547 NA
5 06/01/2003 40.386 NA 06/01/2003 19.609 NA
6 07/01/2003 40.195 NA 07/01/2003 19.609 NA

Intenté data <- read.csv("HK Stocks bbg.csv", header = T, stringsAsFactors = FALSE, skip = 1) pero eso retorna:

 Date PX_LAST X Date.1 PX_LAST.1 X.1
1 31/12/2002 38.855 NA 31/12/2002 19.547 NA
2 02/01/2003 38.664 NA 02/01/2003 19.547 NA
3 03/01/2003 40.386 NA 03/01/2003 19.547 NA
4 06/01/2003 40.386 NA 06/01/2003 19.609 NA
5 07/01/2003 40.195 NA 07/01/2003 19.609 NA
6 08/01/2003 40.386 NA 08/01/2003 19.547 NA

La fila del encabezado proviene de la segunda línea de mi archivo CSV, no de la primera línea.

Gracias.

Answer 1

Esto debería funcionar:

all_content = readLines("file.csv")
skip_second = all_content[-2]
dat = read.csv(textConnection(skip_second), header = TRUE, stringsAsFactors = FALSE)

El primer paso usando readLines lee todo el archivo en una lista, donde cada elemento de la lista representa una línea en el archivo. A continuación, descarta la segunda línea utilizando el hecho de que la indexación negativa en R significa select all but this index . Finalmente, alimentamos estos datos a read.csv para procesarlos en un data.frame .

Answer 2

Puede pelar las primeras líneas después del encabezado directamente desde el marco de datos, para permitirle hacer esto en una línea:

df<-read.csv("test.txt",header=T)[-1,]

si mi archivo de datos "test.txt" es el siguiente:

var1, var2
units1, units2
2.3,6.8
4.5,6.7

esto me da

> read.csv("test.txt",header=T)[-1,]
var1 var2
2 2.3 6.8
3 4.5 6.7

Esto responde exactamente a su pregunta, pero solo para generalizar la respuesta, también puede omitir la N- ésima a la M- ésima línea de esta manera:

df<-read.csv("test.txt",header=T)[-N:-M,]

donde N y M son enteros, por supuesto.