Reproduzindo o problema:
tf <- tempfile()
write.table(
"+-----------------------------------------------------------------------------+
| Category Information | square|
| #|description | miles|
|-----------------------------------------------------------------------------|
| 3| . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . | 2.096540|
| 4| . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . | 14.719017|
|15| . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . | 4.763791|
|19| . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . | 0.002395|
|21| . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . | 2.780825|
|25| . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . | 0.087930|
|33| . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . | 0.484098|
|-----------------------------------------------------------------------------|
|TOTAL | 24.934597|
+-----------------------------------------------------------------------------+",
tf, row.names = FALSE, col.names = FALSE)
rawdata <- read.table(tf, sep = "|", skip = 5)
Error in scan(file = file, what = what, sep = sep, quote = quote, dec = dec, :
line 7 did not have 5 elements
O arquivo tem alguns problemas.
- Há linhas que não contem informação tabular (
|---...---
).
Quando o r encontra essa linha, ele não encontra ali as mesmas 5 colunas que estava encontrando nas linhas anteriores e joga o erro.
- Presençado caracter
"#"
: ele é lido por padrão como um comentário na read.table()
.
- A última linha, com o total, não respeita o padrão do resto do arquivo (não tem
|
após "TOTAL"
Além disso os |
inicial e final não adicionam nenhum informação a tabela e geram duas colunas inúteis quando os dados forem lidos
Para resolver a leitura desses dados vejo ao menos dois caminhos possíveis.
r-base
Um caminho é ler o dado com readLines()
, retirar essas linhas incomodas e depois passar os dados "limpos" para a read.table()
txt <- readLines(tf)
limpo <- txt[! grepl("----|TOTAL", txt)]
rawdata <- read.table(text = limpo, sep = "|", skip = 1, comment.char = "")
rawdata
V1 V2 V3 V4 V5
1 NA # description miles NA
2 NA 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.096540 NA
3 NA 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14.719017 NA
4 NA 15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.763791 NA
5 NA 19 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 0.002395 NA
6 NA 21 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.780825 NA
7 NA 25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 0.087930 NA
8 NA 33 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 0.484098 NA
tidyverse
No tidyverse o pacote para ler arquivos é o readr. Usando ele teríamos:
library(tidyverse)
rawdata2 <- read_delim(tf, "|", skip = 2, comment = "----")
rawdata2 %>% filter(!is.na(` #`))
# A tibble: 8 x 5
` ` ` #` `description ~ ` miles` X5
<chr> <chr> <chr> <chr> <chr>
1 " " " 3" " . . . . . . . . . . . . . . .~ " 2.096540" NA
2 " " " 4" " . . . . . . . . . . . . . . .~ " 14.719017" NA
3 " " 15 " . . . . . . . . . . . . . . .~ " 4.763791" NA
4 " " 19 " . . . . . . . . . . . . . . .~ " 0.002395" NA
5 " " 21 " . . . . . . . . . . . . . . .~ " 2.780825" NA
6 " " 25 " . . . . . . . . . . . . . . .~ " 0.087930" NA
7 " " 33 " . . . . . . . . . . . . . . .~ " 0.484098" NA
8 " " "TOTAL ~ " 24.934597" NA NA
Observe que nos dois casos as tabelas não são iguais, porque no segundo caso a linha com total pode ser mantida.