Discussion :

[Kenako]

Bonjour à tous et merci d'avance pour votre aide qui me sera forte utile !

Forces en présence : un document au format texte (.txt), formé comme un tableau, que l'on veut utiliser sous R (afin de faire des études statistiques)
Son contenu : 65.000 lignes correspondant à 65000 individus, 41 colonnes correspondant à des variables d'études sur ces individus
Les colonnes sont bien visible de part l'alignement qui a été fait.
[Ce que j'appelle colonne : dès qu'il y a un espace entre 2 caractères]


Les 3 premières colonnes servent en fait d'identifiant (nom de l'individu)
Exemple : "Robert 01 80" correspond à l'identifiant, correspond à 3 colonnes.

Petit problème ajouté : entre différentes colonnes de variable, il y a différent nombres d'"espace" (cela peut aller de 1 à 4 espaces)



On veut donc importer ce "tableau texte" sous R, afin de l'étudier.



!!! PROBLÈME !!!
1/
Nous savons qu'un document format texte doit avoir une mise en forme spécifique pour être importé sous forme de tableau dans R : UN SEUL CARACTÈRE de séparation pour les éléments d'une ligne (que ce soit les ";" ou un espace " ").

Comment faire dans ce cas pour ramener notre document texte initial à un document ne possédant qu'UN SEUL caractère entre chaque terme d'une ligne ? (cad utiliser la fonction "read.table") (sans avoir à faire cela pour les 65.000 lignes manuellement)

(en prenant bien en compte que les 3 premières colonnes correspondent à l'identifiant) et qu'on a une ligne descriptive en première ligne (il faut faire header=T, row.names=3 non ?)



2/ Deuxième problème
Des variables, au milieu du tableau ne seront pas utiles pour certaines études stat :
comment faire pour supprimer les colonnes correspondantes à ces variables ?



Merci beaucoup d'avance pour votre aide qui me sera très précieuse !

[TerrorOnCity]

Pour le formatage du fichier, essayez un script perl.

Exemple :
Fichier.txt

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
Robert 01 80   var1  var2  var3     var4 var5
Eric 03 08 var1 var2      var3 var4       var5

Script

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

perl -pe "s/[ ]+/,/g" < Fichier.txt > Sortie.txt

Sortie.txt

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
Robert,01,80,var1,var2,var3,var4,var5
Eric,03,08,var1,var2,var3,var4,var5

[Kenako]

J'ai finalement trouvé une autre solution pas compliquée : la fonction "remplacer" d'un éditeur texte

Mais merci pour votre réponse même si je ne sais pas ce qu'est "perl" à part être un langage.

J'aurais donc maintenant surtout besoin d'aide pour cette partie :
"
(en prenant bien en compte que les 3 premières colonnes correspondent à l'identifiant) et qu'on a une ligne descriptive en première ligne (il faut faire header=T, row.names=3 non ?)



2/ Deuxième problème
Des variables, au milieu du tableau ne seront pas utiles pour certaines études stat :
comment faire pour supprimer les colonnes correspondantes à ces variables ?
"


Encore merci d'avance à toute la communauté !

[tomaprice]

J'ai finalement trouvé une autre solution pas compliquée : la fonction "remplacer" d'un éditeur texte

Mais merci pour votre réponse même si je ne sais pas ce qu'est "perl" à part être un langage.

J'aurais donc maintenant surtout besoin d'aide pour cette partie :
"
(en prenant bien en compte que les 3 premières colonnes correspondent à l'identifiant) et qu'on a une ligne descriptive en première ligne (il faut faire header=T, row.names=3 non ?)



2/ Deuxième problème
Des variables, au milieu du tableau ne seront pas utiles pour certaines études stat :
comment faire pour supprimer les colonnes correspondantes à ces variables ?
"


Encore merci d'avance à toute la communauté !

Pour l'histoire de l'identifiant, je ferai

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
my_data = read.table("mon_fichier.txt",sep="ton sépérarteur de champ",header=T)
#je crée un id qui est le résultat de la concaténation des 3 premières colonnes
my_data$id = paste(my_data[,1],my_data[,2],my_data[,3],sep="_")
#je suprime les 3 premières colonnes
my_data = my_data[,-c(1:3)]

pour supprimer une colonne utilise le - avec le numéro de la colonne que tu veux supprimer