R：使用 read.csv() 尊重数字周围的引号（视为字符）？

Question

我有一个 .csv 文件，其中包含 00xxxx 形式的帐号代码，我需要它们保持这种状态，以便与使用这种格式帐号代码的其他程序一起使用。我只是在编写一个 R 脚本来核对周五的帐户费用，并且 发誓 as.is = T 正在为我工​​作。现在看来，不是。以下是一些示例数据：

test <- data.frame(col1 = c("apple", "banana", "carrot"),
                   col2 = c(100, 200, 300),
                   col3 = c("00234", "00345", "00456"))

我的write.table 策略：

write.table(test, file = "C:/path/test.csv", quote = T,
            sep=",", row.names = F)

删除旧的data.frame 并重新阅读：

rm(test)
test <- read.csv("C:/path/test.csv")
test

    col1 col2 col3
1  apple  100  234
2 banana  200  345
3 carrot  300  456

如果不清楚，它应该看起来像我们创建的原始data.frame：

test
    col1 col2  col3
1  apple  100 00234
2 banana  200 00345
3 carrot  300 00456

在仔细阅读可用的read.table 选项后，我还尝试了以下方法，结果与上述相同：

test <- read.csv("C:/path/test.csv", quote = '"')
test <- read.csv("C:/path/test.csv", as.is = T)
test <- read.csv("C:/path/test.csv", as.is = T, quote = '"')

StringsAsFactors 在这种情况下似乎不相关（听起来as.is 会做同样的事情。

当我在 Emacs 中打开文件时，col3 确实被引号包围，所以我希望它被视为文本而不是转换为数字：

大多数其他问题只是关于不处理因素之类的事情，或者让数字不被识别为字符，通常是该列中忽略字符串的结果。

我知道我可以从this one 之类的问题中寻求colClasses 的论点，但我不想这样做；我的“colClasses”内置在数据中:) 引用 = 字符，不引用 = 数字。

Answer 1

ping了几个R用户的朋友后，他们都建议使用colClasses。发现不需要指定每个类，我松了一口气，因为我的数据大约是 25 列。所以确认了这一点（一旦我知道我在寻找什么）in another question。

test <- read.csv("C:/path/test.csv", colClasses = c(col3 = "character"))
test

    col1 col2  col3
1  apple  100 00234
2 banana  200 00345
3 carrot  300 00456

就目前的情况而言，就解决方案而言，这个问题与另一个问题是重复的。不同之处在于我正在寻找 other 而非 colClasses 的方法（因为 as.is 听起来很可能是候选人），而那个问题是关于 如何 使用 @ 987654326@.

我会重申，我实际上并不喜欢这种解决方案，即使认为它非常简单。引号表示 .csv 中的文本字段，在这种情况下，它们似乎不受尊重。 LibreOffice .csv 导入有一个“将引用的字段视为文本”复选框，我认为这类似于 R 中的as.is = T。显然不是！ #end_rant

Answer 2

我也有这个问题。当然你可以手动指定 colClasses，但是为什么在引用数据时需要这样做呢？我同意 OP 在回答他自己的问题时的“咆哮”：

引号表示 .csv 中的文本字段，但它们似乎不是 在这种情况下受到尊重。

无论如何，我选择使用 data.table 的fread() 没有这个问题。不过，read.csv 的行为仍然很烦人。

# here's a data frame with chr and int columns
my_df <- data.frame(chars=letters[1:5],
                    nums=1:5,
                    txt_nums=sprintf('%02d', 1:5),
                    stringsAsFactors=F)

# all looks as it should
lapply(my_df, class)

# $chars
# [1] "character"
# 
# $nums
# [1] "integer"
# 
# $txt_nums
# [1] "character"

但是现在，写入 csv，重新读入，第三列被强制转换为 int！

# quote=T redundant since that's the default, but just to be sure
write.csv(my_df, 'my_df.csv', row.names=F, quote=T) 
my_df2 <- read.csv('my_df.csv')
lapply(my_df2, class)

# even with as.is=TRUE, same issue
my_df2 <- read.csv('my_df.csv', as.is=T)
lapply(my_df2, class)

# data.table's fread doesn't have this issue, at least
library(data.table)
my_dt <- fread('my_df.csv')
lapply(my_dt, class)

Answer 3

我希望有更好的方法，但一种选择是使用quote=""

test <- read.csv("C:/path/test.csv", as.is = TRUE, quote = "") 

这将使引号成为值的一部分，从而为您提供：

test
#col1 col2  col3
#1  apple  100 "00234"
#2 banana  200 "00345"
#3 carrot  300 "00456"

然后您可以将它们保留为该格式，或者使用 gsub 之类的东西来删除它们：

test$col3 <- gsub('"', '', test$col3)

test
#col1 col2  col3
#1  apple  100 00234
#2 banana  200 00345
#3 carrot  300 00456

您可以使用某种应用类型的函数一次对整个数据框执行 gsub：

test <- as.data.frame(sapply(test,gsub,pattern='"',replacement=""))

sapply 代码取自：R - how to replace parts of variable strings within data frame

显然，只有当您出于其他原因不需要其他地方的引号时，此方法才会对您有用。