R Динамическое разделение / подмножество фрейма данных по выбранным рядам. Анализ текстовой сетки.
Я пытаюсь обработать файл сегментации.TextGrid
(генерируется программой Praat). )
Исходный формат выглядит так:
File type = "ooTextFile"
Object class = "TextGrid"
xmin = 0
xmax = 243.761375
tiers? <exists>
size = 17
item []:
item [1]:
class = "IntervalTier"
name = "phones"
xmin = 0
xmax = 243.761
intervals: size = 2505
intervals [1]:
xmin = 0
xmax = 0.4274939687384032
text = "_"
intervals [2]:
xmin = 0.4274939687384032
xmax = 0.472
text = "v"
intervals [3]:
[...]
(Затем это повторяется до EOF с интервалами [от 3 до n] для n Item (уровень аннотации) в файле.
Кто-топредложил решение с помощьюпакет rPython R.
К несчастью :
Я не очень хорошо знаю PythonВерсия rPython недоступна для R.3.0.2 (который я использую).Моя цель - разработать этот анализатор для моего анализа исключительно в среде R.Сейчас моя цель состоит в том, чтобы разбить этот файл на несколько фреймов данных Каждый фрейм данных должен содержать один элемент (слой аннотации).
# Load the Data
txtgrid <- read.delim("./xxx_01_xx.textgrid", sep=c("=","\n"), dec=".", header=FALSE)
# Erase White spaces (use stringr package)
txtgrid[,1] <- str_trim(txtgrid[,1])
# Convert row.names to numeric
num.row<- as.numeric(row.names(txtgrid))
# Redefine the original textgrid and add those rows (I want to "keep them in case for later process)
txtgrid <- data.frame(num.row,txtgrid)
colnames(txtgrid) <- c("num.row","object", "value")
head(txtgrid)
Выход изhead(txtgrid)
очень сырой, так что вот первые 20 строк текстовой сеткиtxtgrid[1:20,]
:
num.row object value
1 1 File type ooTextFile
2 2 Object class TextGrid
3 3 xmin 0
4 4 xmax 243.761375
5 5 tiers? <exists>
6 6 size 17
7 7 item []:
8 8 item [1]:
9 9 class IntervalTier
10 10 name phones
11 11 xmin 0
12 12 xmax 243.761
13 13 intervals: size 2505
14 14 intervals [1]:
15 15 xmin 0
16 16 xmax 0.4274939687384032
17 17 text _
18 18 intervals [2]:
19 19 xmin 0.4274939687384032
20 20 xmax 0.472
Теперь, когда я предварительно обработал его, я могу:
# Find the number of the rows where I want to split (i.e. Item)
tier.begining <- txtgrid[grep("item", txtgrid$object, perl=TRUE), ]
# And save those numbers in a variable
x <- as.numeric(row.names(tier.begining))
Эта переменнаяx
дает мне цифры-1, где мои данные должны быть разделены на несколько кадров данных.
У меня есть 18 предметов -1 (первый элемент - это пункт [], и я включаю все остальные элементы. Итак, векторx
является :
x
[1] 7 8 10034 14624 19214 22444 25674 28904 31910 35140 38146 38156 38566 39040 39778 40222 44800
[18] 45018
Как я могу сказать R : сегментировать этот фрейм данных в несколько фреймовtextgrids$nameoftheItem
таким образом, что я получаю столько данных, сколько у меня есть элементов ?, например:
textgrid$phones
item [1]:
class = "IntervalTier"
name = "phones"
xmin = 0
xmax = 243.761
intervals: size = 2505
intervals [1]:
xmin = 0
xmax = 0.4274939687384032
text = "_"
intervals [2]:
xmin = 0.4274939687384032
xmax = 0.472
text = "v"
[...]
intervals [n]:
textgrid$syllable
item [2]:
class = "IntervalTier"
name = "syllable"
xmin = 0
xmax = 243.761
intervals: size = 1200
intervals [1]:
xmin = 0
xmax = 0.500
text = "ve"
intervals [2]:
[...]
intervals [n]:
textgrid$item[n]
Я хотел использовать
txtgrid.new <- split(txtgrid, f=x)
Но это сообщение верно:
Warning message: In split.default(x = seq_len(nrow(x)), f = f, drop = drop, ...) : data length is not a multiple of split variable
Я не получаю желаемого результата, кажется, что номера строк не следуют друг за другом и что файл все перепутано.
Я также попробовал некоторыеwhich
, daply
(отplyr
) &subset
функции, но никогда не заставляли их работать должным образом!
Я приветствую любую идею, чтобы правильно и эффективно структурировать эти данные. В идеале я должен иметь возможность связывать между собой элементы (слои аннотаций) (xmin и xmax разных слоев), а также несколько текстовых файлов, это только начало.