使用 r 中的 fread 读取逗号分隔的 csv 文件，其中包含逗号的字段

Question

我有一个用逗号分隔的 csv 文件。但是，有些字段包含逗号，例如公司名称“Apple，Inc”，并且字段将分为两列，这会导致使用 fread 时出现以下错误。

“在第 5 行提前停止。预期有 26 个字段，但找到了 27 个。”

关于如何正确加载此文件的任何建议？提前致谢！

添加：

示例行如下。似乎有些字段带有逗号而没有引号。但是它们在字段内的逗号后面有空格。

100,Microsoft,azure.com
300,IBM,ibm.com
500,Google,google.com
100,Amazon, Inc,amazon.com
400,"SAP, Inc",sap.com

Answer 1

1) 使用最后在注释中创建的测试文件，并假设该文件在行中没有分号（如果有，请使用其他字符），替换第一个和最后一个逗号加分号，然后将其作为分号分隔的文件读取。

L <- readLines("firms.csv")
read.table(text = sub(",(.*),", ";\\1;", L), sep = ";")
##    V1          V2         V3
## 1 100   Microsoft  azure.com
## 2 300         IBM    ibm.com
## 3 500      Google google.com
## 4 100 Amazon, Inc amazon.com
## 5 400    SAP, Inc    sap.com

2) 另一种方法是使用 gsub 将每个逗号后跟空格替换为分号后跟空格，然后使用 chartr 将每个逗号替换为分号，每个分号替换为逗号，然后将其读入 以分号分隔的文件。

L <- readLines("firms.csv")
read.table(text = chartr(",;", ";,", gsub(", ", "; ", L)), sep = ";")
##    V1          V2         V3
## 1 100   Microsoft  azure.com
## 2 300         IBM    ibm.com
## 3 500      Google google.com
## 4 100 Amazon, Inc amazon.com
## 5 400    SAP, Inc    sap.com

3) 如果没有太多这样的行，另一种可能性是找到它们，然后在文本编辑器中为有问题的字段加上引号。然后就可以正常读入了。

which(count.fields("firms.csv", sep = ",") != 3)
## [1] 4

注意

Lines <- '100,Microsoft,azure.com
300,IBM,ibm.com
500,Google,google.com
100,Amazon, Inc,amazon.com
400,"SAP, Inc",sap.com
'
cat(Lines, file = "firms.csv")

Answer 2

对我来说很好用。你能提供一个可重现的例子吗？

library(data.table)

# Create example and write out
df_out <- data.frame("X" = c("A", "B", "C"),
                     "Y"= c("a,A", "b,B", "C"))

write.csv(df_out, file = "df.csv", row.names = F)

# Read in CSV with fread
df_in <- fread("./df.csv")
df_in

   X   Y
1: A a,A
2: B b,B
3: C   C