从 CSV 文件导入包含逗号的变量

Posted 2023-02-14

【中文标题】从 CSV 文件导入包含逗号的变量

【英文标题】：Importing Variables Containing Commas from CSV Files

【发布时间】：2021-12-28 21:10:53

【问题描述】：

我的数据是来自 Microsoft Excel 的 CSV 文件。该文件包含几个数字变量（例如薪水、体重），格式如下：123,456（123456）。

当我使用以下命令将该文件（“old_file”）导入 R 时：my_file = read.csv("old_file.csv")，所有数值变量都会自动转换为因子变量类型。

为了解决这个问题，我尝试在将文件导入R后，手动将这些变量转换为数值变量类型：

my_file$var_1 = as.numeric(my_file$var_1) 

但是，这样做似乎会“扭曲”数据。例如，自然出现的 0 的“var_1”值似乎消失了。我还绘制了这些数据的一些直方图，这些数字转换变量的分布与预期分布不匹配。

我可以通过打开 Excel 电子表格并单击“格式按钮”并从数字变量中删除“逗号”并在每个数字的末尾添加“.00”来解决此问题。例如，123,456 现在变为 123456.00。

一旦我在原始 Excel 电子表格中进行了此更改，问题就解决了。

我的问题： 有没有办法在 R 中解决这个问题，而不是在原始 Excel 电子表格中手动解决这个问题？我只是碰巧发现了这个格式错误——将来，有没有办法自动防止这种情况在 R 中发生？例如。确保“在 Excel 文件中显示为数字”的变量在 R 中作为数字类型导入的某种方法？

【问题讨论】：

@BigBen：谢谢你的回复！我不知道这个！我会记住这一点 - 谢谢！

【参考方案1】：

我相信这个问题可以通过将 excel 文件保存为 csv（应该在数字周围插入引号）然后使用 readr package 中的 read_csv() 函数读取文件来解决，例如

测试数据：

Value1,Value2
"123,456","456,678"
"234,567","445,678,899"

library(readr)
read_csv("~/Desktop/test.csv")
#> Rows: 2 Columns: 2
#> Warning in min(width - (crayon::col_nchar(types) + nchar(counts) + 4)): no non-
#> missing arguments to min; returning Inf
#> ── Column specification ────────────────────────────────────────────────────────
#> 
#> ℹ Use `spec()` to retrieve the full column specification for this data.
#> ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
#> # A tibble: 2 × 2
#>   Value1    Value2
#>    <dbl>     <dbl>
#> 1 123456    456678
#> 2 234567 445678899

数字现在是数字（双精度整数）。

与 read.csv() 函数相比：

read.csv("~/Desktop/test.csv")
#>    Value1      Value2
#> 1 123,456     456,678
#> 2 234,567 445,678,899

（数字格式不正确）

【讨论】：

@j ared_mamrot：谢谢您的回复！我的 excel 文件最初保存为 CSV - 如果我运行您的代码，有没有办法将这些数字导入为“数字”而不是“整数”？谢谢！

我相信这段代码可以满足你的要求：如果你使用df <- read_csv("file.csv") 那么str(df) 导入数字的类是“数字”。参见例如faculty.nps.edu/sebuttre/home/R/data.html 了解 R 中不同类的更多详细信息