我有一个包含数字列表的文件(自己制作: for x in $(seq 10000); do echo $x; done > file
)。
$> R -q -e "x <- read.csv('file', header=F); summary(x);"
> x <- read.csv('file', header=F); summary(x);
V1
Min. : 1
1st Qu.: 2501
Median : 5000
Mean : 5000
3rd Qu.: 7500
Max. :10000
现在,人们可能会期待
cat
正在读取文件并从 /dev/stdin
读取具有相同的输出,但它没有:$> cat file | R -q -e "x <- read.csv('/dev/stdin', header=F); summary(x);"
> x <- read.csv('/dev/stdin', header=F); summary(x);
V1
Min. : 1
1st Qu.: 3281
Median : 5520
Mean : 5520
3rd Qu.: 7760
Max. :10000
使用
table(x)
显示跳过了一堆行: 1 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053
1 1 1 1 1 1 1 1 1 1 1 1 1
1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066
1 1 1 1 1 1 1 1 1 1 1 1 1
...
看起来 R 正在用
stdin
做一些有趣的事情,因为这个 Python 将正确打印文件中的所有行:cat file | python -c 'with open("/dev/stdin") as f: print f.read()'
This question似乎相关,但更多的是关于在格式错误的 CSV 文件中跳过行,而我的输入只是一个数字列表。
最佳答案
head --bytes=4K file | tail -n 3
产生这个:
1039
1040
104
这表明 R 在/dev/stdin 上创建了一个大小为 4KB 的输入缓冲区,并在初始化期间填充它。当您的 R 代码随后读取/dev/stdin 时,它会在此时在文件中启动:
1
1042
1043
...
实际上,如果在文件中替换行
1041
来自 1043
,您会在 table(x)
中得到“3”而不是“1” :3 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053
1 1 1 1 1 1 1 1 1 1 1 1 1
...
第一
1
在 table(x)
实际上是1041
的最后一位.文件的前 4KB 已被吃掉。
关于R 跳过/dev/stdin 中的行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11123969/