[問題] read.table 多個sep 遺失值miss

[f496328mm (為什麼會流淚)]

問題一

我要讀的是筆記本txt檔

檔案太大無法先用excel處理

我的分隔符號有多個   請問要怎麼寫??

我的code

read.table("d:\\xxx.txt" ,sep=";",  fill=T, quote="")

我想要用 ; 和 空格  當作分隔符號  未來可能再增加

==========================================================
問題二

我的資料中  有些地方沒有值  所以當初在存的時候就直接忽略  連空白都沒留

像這樣:

sam;16;boy; 2015:00:09:59
green;18;gril
paul;20; 2015:00:09:59

第一行是name
第二行是age
第三行是性別
但是paul沒有記錄到  所以直接記錄到第四行的time
green的time也沒記錄到

想問有沒有什麼方法解決   我目前只想到比較笨的方法

給它特定範圍去判斷   像性別不是boy就是gril  出現其他就給他NA

還有

這樣讀資料也會因為每列資料col都不一樣   有的時候會出現問題

是可以讀成文字再去慢慢拆開   不過有點笨就是了


最後想問如果讀資料量上百萬筆
還是用read.table嗎?
有沒有比較好的函數專門處理large  data?

謝謝

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.137.162.5
※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1462034121.A.29E.html
→ andrew43: 先考慮 data.table package 的 data.table 和 fread
→ andrew43: 這在大資料有利，但還是要先解決各列不齊一的問題。
→ andrew43: 目前我覺得拆開各列來解似乎是不可必免的，因為在邏級上
→ andrew43: 判別哪個欄位要給NA是你來設計的。
→ andrew43: 所以核心問題可能變成怎麼有效率且穩健地整理大量字串。
感謝  這部分可能會直接擷取分號與分號中的字串  然後去比對

那問題一大大知道嗎?

當然也可以變成字串自己再去解開分號內的東西  只是感覺整個程式會變得很笨重
※ 編輯: f496328mm (220.137.162.5), 05/01/2016 01:25:25
→ andrew43: 第一個問題我想還是要先字串處理後再丟給現成func才行。
→ andrew43: 因為指定多於一個字符可能會很麻煩，所以主流func不做。
→ andrew43: 例如你很難精確地說"a b ;c; d"的結果是什麼。
→ andrew43: 所以我覺得指定reg expr自己切會簡單很多。