导入带有“特殊”字符的 .csv 文件

Question

我正在尝试将 .csv 文件读入 R。该 .csv 文件是在 Excel 中创建的，它包含“长”破折号，这是 Excel“自动更正”序列空格破折号的结果-空间。包含这些“长”破折号的示例条目：

美国 - 加利福尼亚 - 洛杉矶
美国 - 华盛顿 - 西雅图

我尝试了不同的编码，包括以下三个选项：

x <- read.csv(filename, encoding="windows-1252") # Motivated by http://www.perlmonks.org/?node_id=551123
x <- read.csv(filename, encoding="latin1")
x <- read.csv(filename, encoding="UFT-8")

但是，长破折号要么显示为 �（第一个和第二个选项），要么显示为 <U+0096>（第三个选项）。

我意识到我可以以不同的格式存储文件或使用不同的软件 (Excel to CSV with UTF8 encoding)，但这不是重点。

有没有人弄清楚 R 中的哪种编码选项在这种情况下有效？

Answer 1

如果您使用的是 RStudio，请使用导入数据集。

• 使用标题：否
• 分隔符空格
• 十进制句点
• 双引号
• 取消选中字符串作为因素

加载文档后，您只需删除现在显示为“？”的列您可以看到这是第 2 列和第 4 列。如果您有一个数据框 mydf，那么您将像这样删除第二列。

mydf_new<-mydf[-2]

您可以对另一列执行相同的操作，现在是第 3 列。