[R] 如何防止read.table读入数据时列名前自动加上"X."?

Posted 2020-11-21 jessepeng

最近用之前写的R脚本重新跑数据时，出现了报错。经检查，才发现是数据的列名读入R时发生了变化，列名前自动加上了X.符号。

read.table系列函数有一个check.names参数，默认为 TRUE，因此读入数据时它会自动检查变量名在R中是否有效。如果变量名包含首字母为数字、#、$等情况时，则会自动加上X.，使变量看上去更像一个字符型变量。

check.names是通过调用make.names函数来实现增加字符这一过程的，如列名为1，2, 3, 4, 5，6时，会自动加上X。

make.names(c("1", "2", "3", "4", "5", "6"))
[1] "X1" "X2" "X3" "X4" "X5" "X6"

但这往往不是我们希望的，因为变量名已经改变了， 就只能通过转换后的变量来访问对应数据。为了让列名称和原始的一致，在read.table时，可以设置check.names=F。

补充

read.table参数解读：

read.table(file, header = FALSE, sep = "", quote = ""'",
           dec = ".", numerals = c("allow.loss", "warn.loss", "no.loss"),
           row.names, col.names, as.is = !stringsAsFactors,
           na.strings = "NA", colClasses = NA, nrows = -1,
           skip = 0, check.names = TRUE, fill = !blank.lines.skip,
           strip.white = FALSE, blank.lines.skip = TRUE,
           comment.char = "#",
           allowEscapes = FALSE, flush = FALSE,
           stringsAsFactors = default.stringsAsFactors(),
           fileEncoding = "", encoding = "unknown", text, skipNul = FALSE)

• file 指定读入的文件
• header 是否有列名（默认无）
• seq 指定分隔符(空格、TAB、换行符、回车符)
• quote 制定包围字符型数据的字符。默认情况下，字符串可以被 " 或 ’ 括起，并且两种情况下，引号内部的字符都作为字符串的一部分。有效的引用字符（可能没有）的设置由参数 quote 控制。默认值改为 quote = ""
• dec = "." 指定小数点数
• colClasses 指定列的数据类型格式
• row.names 指定各行名称，也可以是数字，指定某列为行名
• col.names 指定各列名称
• as.is = !stringsAsFactors as.is 字符向量是否转换成因子（仅仅这个功能），TRUE时保留为字符型
• na.strings = "NA" 指定什么样的字符表示值缺少
• colClasses = NA colClasses运行为输入中的每个列设置需要的类型。注意，colClasses 和 as.is 对每 列专用，而不是每个变量。因此，它对行标签列也同样适用（如果有的话）。
• nrows = -1 最大读入行数，即读入前多少行，“-1”表示都读入
  skip = 0 跳过文件的前n行（skip = n）

• check.names = TRUE # 检查变量名在R中是否有效

• fill = !blank.lines.skip 从一个电子表格中导出的文件通常会把拖尾的空字段（包括?堑姆指舴? 忽略掉。为了读取这样的文件，必须设置参数 fill = TRUE

• strip.white = FALSE 如果设定了分隔符，字符字段起始和收尾处的空白会作为字段一部分看待的。为了去掉这些空白，可以使用参数 strip.white = TRUE

• blank.lines.skip = TRUE 默认情况下，read.table 忽略空白行。这可以通过设置 blank.lines.skip = FALSE 来改变。但这个参数只有在和 fill = TRUE 共同使用时才有效。这时，可能是用空白行表明规则数据中的缺损样本。

• comment.char = "#"默认情况下，read.table 用 # 作为注释标识字符。如果碰到该字符（除了在被引用的字符串内），该行中随后的内容将会被忽略。只含有空白和注释的行被当作空白行。如果确认数据文件中没有注释内容，用 comment.char = ""会比较安全 （也可能让速度比较快）。

• allowEscapes = FALSE read.table 和 scan 都有一个逻辑参数 allowEscapes。从 R 2.2.0 开始，该参数默认为否，而且反斜杠是唯一被解释为逃逸引用符的字符。如果该参数设为是，以C形式的逃逸规则解释，也就是控制符如八进制和十六进制如 40 和 x2A 一样描述。

Ref:
https://www.cnblogs.com/steamed-bread/p/5560641.html
https://www.cnblogs.com/xudongliang/p/5141459.html