我已经将插值后的数据存储在一个CSV文件中，文件有181行，每行第一个元素是标签，其余部分是时间序列数据，例如以下格式：

第1行：0, 980, 888, 720,987,543

第2行：0, 880, 999, 820,990,888, 980, 898, 780,987

第3行：1, 945, 856, 767,745,883

第4行：2, 780, 899, 920,890,988, 780, 998, 870,787

第5行：2, 800, 900, 822,999,880, 988, 899

其余181行也是如此，标签为0,1,2,3,4,5,6。请注意，每行的长度不同。我希望创建特征（例如，使用mean()作为其中一个特征），仅使用时间序列数据，即”980, 888, 720,987,543″，不包括标签”0″，并且我想对每一行进行操作，最终创建一个包含33个特征加上标签的数据框，像这样：

dim(labl_feat_df)[1] # 181 rowsdim(labl_feat_df)[2] # 34 columns (33 features and the label)

所以labl_feat_df将看起来像这样：

     label  mean(TS)  SD(TS) ........ feat331     02     0...181   6

其中mean(TS)和sd(TS)分别是第一个和第二个特征。

所以我的问题是：如何读取长度不同的文件？如果需要逐行读取，如何高效地创建这33个特征并将它们添加到数据框中？

回答：

1) dplyr/tidyr 使用注释部分的Lines，读取数据，添加行号id，并将数据从宽格式重塑为长格式。删除NA行并进行汇总。

library(dplyr)library(tidyr)DF <- read.table(text =Lines, sep = ",", strip.white = TRUE, fill = NA)DF %>%  mutate(id = 1:n()) %>%  pivot_longer(-c(V1, id)) %>%  drop_na %>%  group_by(V1, id) %>%  summarize(mean = mean(value), sd = sd(value)) %>%  ungroup

结果如下：

# A tibble: 5 x 4     V1    id  mean    sd  <int> <int> <dbl> <dbl>1     0     1  824. 190. 2     0     2  914.  80.33     1     3  839.  82.94     2     4  879.  84.05     2     5  898.  75.3

2) Base R 使用（1）中的DF，使用reshape将数据重塑为长格式，使用na.omit删除NA，并使用aggregate进行汇总：

DF2 <- na.omit(reshape(DF, dir = "long", varying = list(2:ncol(DF))))aggregate(V2 ~ V1 + id, DF2, function(x) c(mean = mean(x), sd = sd(x)))

结果如下：

  V1 id   V2.mean     V2.sd1  0  1 823.60000 190.248002  0  2 913.55556  80.284043  1  3 839.20000  82.886674  2  4 879.11111  83.957505  2  5 898.28571  75.28770

注释

Lines <- "0, 980, 888, 720,987,5430, 880, 999, 820,990,888, 980, 898, 780,9871, 945, 856, 767,745,8832, 780, 899, 920,890,988, 780, 998, 870,7872, 800, 900, 822,999,880, 988, 899"