R读取具有不相等列的数据集答案

【问题标题】：R read data set which has unequal columnR读取具有不相等列的数据集
【发布时间】：2018-05-08 01:11:56
【问题描述】：

我有一个 .csv 数据集，它由“，”分隔，大约有 5,000 行和“5”列。

但是，对于某些列，内容还包含“，”，例如：

2660,11-01-2016,70.75,05-06-2013,I,,,

4080,26-02-2016,59.36,,D

因此，当我尝试用read_delim() 阅读它时，它会抛出我warnings，但结果应该没问题，例如：

警告：7 次解析失败。

row # A tibble: 5 x 5 col row col 预期实际文件预期实际 1 309 5 列 8 列 'data/my_data.csv' 文件 2 523 5 列 7 列 'data/my_data.csv' 行 3 588 5列 8 列 'data/my_data.csv' col 4 1661 5 列 9 列 'data/my_data.csv' 预期 5 1877 5 列 7 列 'data/my_data.csv'

有什么办法可以解决这个问题吗？

我想我可以使用read_Lines() 并一个一个地处理它，然后将它们变成一个数据框。

你有没有其他方法来处理这种情况？

【问题讨论】：

如果您的分隔符是逗号，但您的数据包含原始的、未转义的逗号，那么read.table 无法区分。您可以转义包含逗号数据的列，也可以按照您的建议手动读取每一行。

标签： r csv readr

【解决方案1】：

1) read.table with fill=TRUE 使用 fill=TRUE 和 read.table 不会产生警告：

Lines <- "2660,11-01-2016,70.75,05-06-2013,I,,,
4080,26-02-2016,59.36,,D"

# replace text = Lines with your filename    
read.table(text = Lines, sep = ",", fill = TRUE)

给予：

    V1         V2    V3         V4 V5 V6 V7 V8
1 2660 11-01-2016 70.75 05-06-2013  I NA NA NA
2 4080 26-02-2016 59.36             D NA NA NA

2) 用分号替换第一个 4 逗号 另一种方法是：

# replace textConnection(Lines) with your filename
L <- readLines(textConnection(Lines))
for(i in 1:4) L <- sub(",", ";", L)
read.table(text = L, sep = ";")

给予：

    V1         V2    V3         V4   V5
1 2660 11-01-2016 70.75 05-06-2013 I,,,
2 4080 26-02-2016 59.36               D

3) 删除行尾的逗号 另一种可能性是删除行尾的逗号。（如果您在 Windows 上，则 sed 在 Rtools 发行版中。）

read.table(pipe("sed -e s/,*$// readtest.csv"), sep = ",")

给予：

    V1         V2    V3         V4 V5
1 2660 11-01-2016 70.75 05-06-2013  I
2 4080 26-02-2016 59.36             D

3a) 类似于 (3) 但没有 sed

# replace textConnection(Lines) with your filename
L <- readLines(textConnection(Lines))
read.table(text = sub(",*$", "", L), sep = ",")

【讨论】：