Read.table()无效多字节字符串错误: Find the strings causing the error

Question

我知道关于 read.table() 的问题有很多类似的问题。然而，我无法将以下数据表导入到 R 中，该数据表由具有不同 Assets 、其描述和组的交易宇宙组成:

https://wikifolio.blob.core.windows.net/prod-documents/Investment_Universe.xlsx

我将文件另存为 dat.csv 并尝试 read.table("dat.csv", header=T, sep=";", stringsAsFactors=F, quote="") 具有不同的编码(例如 latin1)，但我总是收到无效的多字节字符串错误。此外，我尝试使用文本编辑器查找并替换所有“ä”、“ö”和“ü”。

如何找到将表读入 R 时发生错误的行？目前，我不知道在哪里寻找导致问题的字符串。

谢谢!

Answer 1

问题出在包含 ü 字符的列名称之一。在 read.csv2 中使用 check.names = FALSE:

 dat <- read.csv2("dat.csv", check.names = FALSE)

这将正确读取您的文件:

> head(dat)
          ISIN    WKN SecurityType            Bezeichnung Anlageuniversum (Gruppe)      Anlageuniversum Whitelist f\x81r institutionelle Produkte _ Schweiz
1 AN8068571086 853390        Stock           SCHLUMBERGER            Aktien Europa Aktien Europa Select                                                   X
2 AT000000STR1 A0M23V        Stock                STRABAG            Aktien Europa Aktien Europa Select                                                   X
3 AT00000AMAG3 A1JFYU        Stock AMAG AUSTRIA METALL AG            Aktien Europa Aktien Europa Select                                                   X
4 AT00000ATEC9 A0LFDH        Stock       A-TEC INDUSTRIES            Aktien Europa Aktien Europa Select                                                   X
5 AT00000BENE6 A0LCPZ        Stock                BENE AG            Aktien Europa Aktien Europa Select                                                   X
6 AT00000FACC2 A1147K        Stock                FACC AG            Aktien Europa Aktien Europa Select                                                   X

然后您可以更改列名称，例如:

names(dat) <- c("ISIN","WKN","SecurityType","Bezeichnung",
                "Anlageuniversum_Gruppe","Anlageuniversum","Whitelist_Schweiz")

另一种可能性是读取不带标题的文件:

dat <- read.csv2("dat.csv", header = FALSE, skip = 1)