如何读取包含千位分隔符和零的特殊处理（在 R 中）的 .csv 数据？

Posted 2023-04-14

【中文标题】如何读取包含千位分隔符和零的特殊处理（在 R 中）的 .csv 数据？

【英文标题】：How to read .csv-data containing thousand separators and special handling of zeros (in R)?

【发布时间】：2015-11-02 08:50:05

【问题描述】：

Ubuntu 14.04 上的 R 版本 3.2.2

我正在尝试读取包含千位分隔符“，”的 R .csv 数据（两列：“id”和“variable1”）。 到目前为止没有问题。我正在使用 read.csv2，数据看起来像这样：

> data <- read.csv2("data.csv", sep = ";", stringsAsFactors = FALSE, dec = ".")
> data[1000:1010, ]
     id        variable1
         1     2,001
     1,001     2,002
     1,002     2,001
     1,003     2,002
     1,004     2,001
     1,005     2,002
     1,006     2,001
     1,007     2,002
     1,008     2,001
     1,009     2,002
      1,01     2,001

在那之后，我首先尝试使用 gsub() 删除逗号：

data[, c("id", "variable1")] <- sapply(data[, c("id", "variable1")],
          function(x) as.numeric(gsub("\\,","", as.character(x))))
> data[1000:1010, ]
     id      variable1
        1      2001
     1001      2002
     1002      2001
     1003      2002
     1004      2001
     1005      2002
     1006      2001
     1007      2002
     1008      2001
     1009      2002
      101      2001

我认为我的问题在第一个输出中已经很明显了，因为有千位分隔符，但缺少“结尾零”。对于数据中的“id”变量（也在 .csv 数据中），数字“1000”仅显示为“1”，而“1010”显示为“1,01”。当然，R 无法识别这一点。

所以我的问题是：有没有办法告诉 R 在读取数据时（或者可能在那之后）每个数字在千位分隔符之后必须有三个数字，以便我有正确的数字？ 数据应如下所示：

> data[1000:1010, ]
     id      variable1
     1000      2001
     1001      2002
     1002      2001
     1003      2002
     1004      2001
     1005      2002
     1006      2001
     1007      2002
     1008      2001
     1009      2002
     1010      2001

编辑： 谢谢大家的回答。不幸的是，这些建议适用于这个示例，但不适用于我的数据，因为我认为我选择了错误的示例行。数据中的其他行可能如下所示：

       id1 variable1
1        1     2,001
999    999     1,102
1000     1     2,001
1001 1,001     2,002
1002 1,002     2,001

当然，有两倍的数字“1”。第一个确实是“1”，但第二个应该是“1000”。但现在我认为我无法用 R 解决我的问题。也许我需要更好地导出原始数据，因为问题也出现在 .csv 数据中。

【问题讨论】：

您可以通过在read.csv 中指定colClasses=c('character', 'character') 来阅读吗？

不，缺少零的问题已经出现在 .csv 数据中。所以我当然看不到 R 中的零点，因为它们不存在。我正在寻找像“如何添加”R 中的零这样的解决方案。

所以，我猜实际的 1 和 1000 将只有 1？

read.csv2 应该将, 解释为小数点，就像这些数字看起来一样。如果它确实将它们解释为这样，您可以乘以 1000 以获得所需的输出。

【参考方案1】：

如果“，”是唯一的分隔符，即所有数字都是整数，您可以将csv2（或read.csv）的dec参数设置为“，”并乘以1000：

data <- read.csv2(
  text = "id    ; variable1
          1     ; 2,001
          1,008 ; 2,001
          1,009 ; 2,002
          1,01  ; 2,001
          1,3   ; 2,0",
  sep = ";",
  stringsAsFactors = FALSE,
  header = TRUE,
  dec = "," )

.

> 1000*data
    id variable1
1 1000      2001
2 1008      2001
3 1009      2002
4 1010      2001
5 1300      2000
> 

【参考方案2】：

删除逗号后，您可以执行以下操作：

data$id <- data$id*(10^(4-nchar(data$id)))