Read.table 跳过有错误的行答案

【问题标题】：Read.table to skip lines with errorsRead.table 跳过有错误的行
【发布时间】：2014-04-05 08:28:42
【问题描述】：

我有一个由制表符分隔的大型 .csv 文件，该文件具有 colClasses = c("integer", "integer", "numeric") 的严格结构。出于某种原因，有许多垃圾无关字符行，打破了模式，这就是我得到的原因

Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings,  : 
  scan() expected 'an integer', got 'ExecutiveProducers'

我怎样才能让 read.table 继续并跳过这行？该文件很大，因此手动执行任务很麻烦。如果不可能，我应该使用 scan + for-loop 吗？

现在我只是将所有内容都读取为字符，然后删除不相关的行并将列转换回数字，我认为这不是很节省内存

【问题讨论】：

标签： string r data-import

【解决方案1】：

如果您的文件适合内存，您可以先读取文件，删除不需要的行，然后使用read.csv 读取那些：

lines <- readLines("yourfile")

# remove unwanted lines: select only lines that do not contain 
# characters; assuming you have column titles in the first line,
# you want to add those back again; hence the c(1, sel)
sel <- grep("[[:alpha:]]", lines, invert=TRUE)
lines <- lines[c(1,sel)]

# read data from selected lines
con <- textConnection(lines)
data <- read.csv(file=con, [other arguments as normal])

【讨论】：

【解决方案2】：

如果字符串总是相同的，或者总是包含相同的单词，你可以将它们定义为 NA 值使用

  read.csv(...,  na.strings="")

然后将它们全部删除

omit.na(dataframe)

【讨论】：