R：使用 read.table 加载带双引号的数据

Question

我的 csv 版本数据是这样的：

name,words,name
John, "He says:"I love it!"", 18

起初，我尝试用

加载数据

data <- read.table("data.csv",header = T,sep = ',',quote = "",stringsAsFactors = FALSE)

错误是：

Error in scan(file = file, what = what, sep = sep, quote = quote, dec = dec,  : 
  line 1 did not have 3 elements

嗯，我可以理解，因为 R 会使用很多双引号。

我修复了它

data <- read.table("data.csv",header = T,sep = ',',quote = "\"",,stringsAsFactors = FALSE) #change the name of the output file 

但是，我不知道为什么会这样，R 怎么知道他应该停在哪个双引号？

Answer 1

嗯，这是一种有趣的数据格式——而且是有趣的行为。帮助页面显示“查看对引号中嵌入引号的行为的扫描”，但我在该帮助页面中没有看到任何有用的信息，因此我尝试了一些方法。

我相信 quote 参数所做的是告诉 R 忽略引号之间出现的任何 sep 元素，并删除任何 quote 元素（因为这意味着仅用于分隔列，而不是作为数据）。因此，这仅适用于您，因为您在 words 列中的第二个引号之后没有任何逗号。

这里有四个例子。

引号中没有逗号（您的示例）

name,words,name
John, "He says:"I love it!"", 18

有趣的是，这个例子在你的代码的两个版本中都适用于我。第一个保留所有引号，第二个删除它们。

read.table("data.csv", header = TRUE, sep = ',', quote = "", stringsAsFactors = FALSE)
##   name                   words name.1
## 1 John  "He says:"I love it!""     18
read.table("data.csv", header = TRUE, sep = ',', quote = "\"", stringsAsFactors = FALSE)
##   name               words name.1
## 1 John  He says:I love it!     18

第一个引号后的逗号

name,words,name
John, "He says, "I love it!"", 18

这里的第一个版本 (quote="") 根据逗号将行分成四列，而不是三列，并使用额外的列作为行名。第二个版本忽略了添加的逗号，但也删除了实际引号周围的引号。

read.table("text.csv", header = TRUE, sep = ',', quote = "", stringsAsFactors = FALSE)
##           name          words name.1
## John  "He says  "I love it!""     18
read.table("text.csv", header = TRUE, sep = ',', quote = "\"", stringsAsFactors = FALSE)
##   name                words name.1
## 1 John  He says, I love it!     18

第二个引号后的逗号

name,words,name
John, "He says: "I love it, do you?"", 18

这两个版本的作用几乎相同（四列），因为逗号不在成对的引号之间。第一个保留引号，第二个不保留。

read.table("text.csv", header = TRUE, sep = ',', quote = "", stringsAsFactors = FALSE)
##                       name      words name.1
## John  "He says: "I love it  do you?""     18
read.table("text.csv", header = TRUE, sep = ',', quote = "\"", stringsAsFactors = FALSE)
##                     name    words name.1
## John  He says: I love it  do you?     18

两个引号之间的逗号

name,words,name
John, "He says, "I love it, do you?"", 18

这里第一个不起作用，因为它在第一行找到三个列名但有五个列。第二个跳过第一个逗号，但不跳过第二个，因此再次将其分成四列，并使用额外的作为行名。

read.table("text.csv", header = TRUE, sep = ',', quote = "", stringsAsFactors = FALSE)
## Error in read.table("text.csv", header = TRUE, sep = ",", quote = "",  : 
##  more columns than column names
read.table("text.csv", header = TRUE, sep = ',', quote = "\"", stringsAsFactors = FALSE)
##                     name    words name.1
## John  He says, I love it  do you?     18

最后，所有这些例子都只有一行；如果你有不止一行并且它们解析成不同数量的列，你会得到一个与你得到的错误类似的错误，除了第一行的列数不同。

您的错误让我感到惊讶的是，它发生在第 1 行；如果 R 认为您在该行中的列少于三列（它在标题行中找到的数字），您会收到此错误，但在我的系统上，无论如何，它会在该行中找到三个元素。