R: Как получить набор данных с пробелами в его названии

Question

Как получить набор данных R с пробелами в его названии, например 'BJsales.lead (BJsales)' в пакетах «наборы данных»?

pkg = "datasets" 
cat("Summary of all the datasets in package", pkg, "--\n" ) 
d = data(package=pkg) $results # "Package" "LibPath" "Item" "Title" 
names = d[ , "Item" ] 
titles = d[ , "Title" ] 
    # sum(duplicated(names)) ?? 

for(j in 1:len(names)){ 
    name = names[[j]] 
    cat(name, ":\n") 

    data(list=name) 
    x = get(name) # <-- Error if blank in name 

    m = paste(dim(as.matrix(x)), collapse=" ") # grr 
    cat(class(x), m, " freq", frequency(x), "\n") 
} 

# -> Error in get(name) : object 'BJsales.lead (BJsales)' not found 

OK, get могут только LookUp действительные имена, это разумно.
Но что делать - как получить данные для «BJsales.lead (BJsales)»?

R версии 3.1.3 (2015-03-09)
Платформа: x86_64-яблочно-darwin10.8.0 (64-разрядная версия)
Запуск под: OS X 10.8.3 (Mountain Lion)

Answer 1

на самом деле, get()может посмотреть «недействительные» имена:

`x y` <- 3; 
get('x y'); 
## [1] 3 

проблема здесь является то, что Item столбца матрицы results возвращаемого data() не всегда содержит е xact имя набора данных; в некоторых случаях он имеет суффикс в скобках, хотя я понятия не имею, почему.

Вы можете снять его с помощью gsub(), а затем загрузить через get().

Кроме того, вам не нужен звонок data(list=name).

Также нет len() (к сожалению); Думаю, вы имеете в виду length().

Следовательно:

pkg <- 'datasets'; 
cat('Summary of all the datasets in package',pkg,'--\n'); 

d <- data(package=pkg)$results; # 'Package' 'LibPath' 'Item' 'Title' 
names <- d[,'Item']; 
titles <- d[,'Title']; 

for (j in 1:length(names)) { 
    name <- names[j]; 
    cat(name,':\n'); 
    x <- get(gsub('\\s.*','',name)); 
    m <- paste(dim(as.matrix(x)),collapse=' '); 
    cat(class(x),m,' freq',frequency(x),'\n'); 
}; 
## Summary of all the datasets in package datasets -- 
## AirPassengers : 
## ts 144 1 freq 12 
## BJsales : 
## ts 150 1 freq 1 
## BJsales.lead (BJsales) : 
## ts 150 1 freq 1 
## BOD : 
## data.frame 6 2 freq 1 
## CO2 : 
## nfnGroupedData nfGroupedData groupedData data.frame 84 5 freq 1 
## ChickWeight : 
## nfnGroupedData nfGroupedData groupedData data.frame 578 4 freq 1 
## DNase : 
## nfnGroupedData nfGroupedData groupedData data.frame 176 3 freq 1 
## EuStockMarkets : 
## mts ts matrix 1860 4 freq 260 
## Formaldehyde : 
## data.frame 6 2 freq 1 
## HairEyeColor : 
## table 32 1 freq 1 
## Harman23.cor : 
## list 3 1 freq 1 
## Harman74.cor : 
## list 3 1 freq 1 
## Indometh : 
## nfnGroupedData nfGroupedData groupedData data.frame 66 3 freq 1 
## InsectSprays : 
## data.frame 72 2 freq 1 
## JohnsonJohnson : 
## ts 84 1 freq 4 
## LakeHuron : 
## ts 98 1 freq 1 
## LifeCycleSavings : 
## data.frame 50 5 freq 1 
## Loblolly : 
## nfnGroupedData nfGroupedData groupedData data.frame 84 3 freq 1 
## Nile : 
## ts 100 1 freq 1 
## Orange : 
## nfnGroupedData nfGroupedData groupedData data.frame 35 3 freq 1 
## OrchardSprays : 
## data.frame 64 4 freq 1 
## PlantGrowth : 
## data.frame 30 2 freq 1 
## Puromycin : 
## data.frame 23 3 freq 1 
## Seatbelts : 
## mts ts 192 8 freq 12 
## Theoph : 
## nfnGroupedData nfGroupedData groupedData data.frame 132 5 freq 1 
## Titanic : 
## table 32 1 freq 1 
## ToothGrowth : 
## data.frame 60 3 freq 1 
## UCBAdmissions : 
## table 24 1 freq 1 
## UKDriverDeaths : 
## ts 192 1 freq 12 
## UKgas : 
## ts 108 1 freq 4 
## USAccDeaths : 
## ts 72 1 freq 12 
## USArrests : 
## data.frame 50 4 freq 1 
## USJudgeRatings : 
## data.frame 43 12 freq 1 
## USPersonalExpenditure : 
## matrix 5 5 freq 1 
## VADeaths : 
## matrix 5 4 freq 1 
## WWWusage : 
## ts 100 1 freq 1 
## WorldPhones : 
## matrix 7 7 freq 1 
## ability.cov : 
## list 3 1 freq 1 
## airmiles : 
## ts 24 1 freq 1 
## airquality : 
## data.frame 153 6 freq 1 
## anscombe : 
## data.frame 11 8 freq 1 
## attenu : 
## data.frame 182 5 freq 1 
## attitude : 
## data.frame 30 7 freq 1 
## austres : 
## ts 89 1 freq 4 
## beaver1 (beavers) : 
## data.frame 114 4 freq 1 
## beaver2 (beavers) : 
## data.frame 100 4 freq 1 
## cars : 
## data.frame 50 2 freq 1 
## chickwts : 
## data.frame 71 2 freq 1 
## co2 : 
## ts 468 1 freq 12 
## crimtab : 
## table 42 22 freq 1 
## discoveries : 
## ts 100 1 freq 1 
## esoph : 
## data.frame 88 5 freq 1 
## euro : 
## numeric 11 1 freq 1 
## euro.cross (euro) : 
## matrix 11 11 freq 1 
## eurodist : 
## dist 21 21 freq 1 
## faithful : 
## data.frame 272 2 freq 1 
## fdeaths (UKLungDeaths) : 
## ts 72 1 freq 12 
## freeny : 
## data.frame 39 5 freq 1 
## freeny.x (freeny) : 
## matrix 39 4 freq 1 
## freeny.y (freeny) : 
## ts 39 1 freq 4 
## infert : 
## data.frame 248 8 freq 1 
## iris : 
## data.frame 150 5 freq 1 
## iris3 : 
## array 600 1 freq 1 
## islands : 
## numeric 48 1 freq 1 
## ldeaths (UKLungDeaths) : 
## ts 72 1 freq 12 
## lh : 
## ts 48 1 freq 1 
## longley : 
## data.frame 16 7 freq 1 
## lynx : 
## ts 114 1 freq 1 
## mdeaths (UKLungDeaths) : 
## ts 72 1 freq 12 
## morley : 
## data.frame 100 3 freq 1 
## mtcars : 
## data.frame 32 11 freq 1 
## nhtemp : 
## ts 60 1 freq 1 
## nottem : 
## ts 240 1 freq 12 
## npk : 
## data.frame 24 5 freq 1 
## occupationalStatus : 
## table 8 8 freq 1 
## precip : 
## numeric 70 1 freq 1 
## presidents : 
## ts 120 1 freq 4 
## pressure : 
## data.frame 19 2 freq 1 
## quakes : 
## data.frame 1000 5 freq 1 
## randu : 
## data.frame 400 3 freq 1 
## rivers : 
## numeric 141 1 freq 1 
## rock : 
## data.frame 48 4 freq 1 
## sleep : 
## data.frame 20 3 freq 1 
## stack.loss (stackloss) : 
## numeric 21 1 freq 1 
## stack.x (stackloss) : 
## matrix 21 3 freq 1 
## stackloss : 
## data.frame 21 4 freq 1 
## state.abb (state) : 
## character 50 1 freq 1 
## state.area (state) : 
## numeric 50 1 freq 1 
## state.center (state) : 
## list 2 1 freq 1 
## state.division (state) : 
## factor 50 1 freq 1 
## state.name (state) : 
## character 50 1 freq 1 
## state.region (state) : 
## factor 50 1 freq 1 
## state.x77 (state) : 
## matrix 50 8 freq 1 
## sunspot.month : 
## ts 3177 1 freq 12 
## sunspot.year : 
## ts 289 1 freq 1 
## sunspots : 
## ts 2820 1 freq 12 
## swiss : 
## data.frame 47 6 freq 1 
## treering : 
## ts 7980 1 freq 1 
## trees : 
## data.frame 31 3 freq 1 
## uspop : 
## ts 19 1 freq 0.1 
## volcano : 
## matrix 87 61 freq 1 
## warpbreaks : 
## data.frame 54 3 freq 1 
## women : 
## data.frame 15 2 freq 1