R读取具有不相等列的数据集

Question

我有一个由“,”分隔的 .csv 数据集，大约有 5,000 行和“5”列。

但是，对于某些列，内容中还包含“,”，例如:

2660,11-01-2016,70.75,05-06-2013,I,,,

4080,26-02-2016,59.36,,D

因此，当我尝试使用read_delim() 读取它时，它会抛出警告，但结果应该没问题，例如:

Warning: 7 parsing failures.

row # A tibble: 5 x 5 col row col expected actual file expected actual 1 309 5 columns 8 columns 'data/my_data.csv' file 2 523 5 columns 7 columns 'data/my_data.csv' row 3 588 5 columns 8 columns 'data/my_data.csv' col 4 1661 5 columns 9 columns 'data/my_data.csv' expected 5 1877 5 columns 7 columns 'data/my_data.csv'

我有什么办法可以解决这个问题吗？

我想我可以使用 read_Lines() 并一条一条地处理它，然后将它们变成一个数据框。

遇到这种情况，你还有其他办法吗？

Answer 1

1) read.table with fill=TRUE 使用 fill=TRUE 和 read.table 不会产生警告:

Lines <- "2660,11-01-2016,70.75,05-06-2013,I,,,
4080,26-02-2016,59.36,,D"

# replace text = Lines with your filename    
read.table(text = Lines, sep = ",", fill = TRUE)

给予:

    V1         V2    V3         V4 V5 V6 V7 V8
1 2660 11-01-2016 70.75 05-06-2013  I NA NA NA
2 4080 26-02-2016 59.36             D NA NA NA

2) 用分号替换第 4 个逗号另一种方法是:

# replace textConnection(Lines) with your filename
L <- readLines(textConnection(Lines))
for(i in 1:4) L <- sub(",", ";", L)
read.table(text = L, sep = ";")

给予:

    V1         V2    V3         V4   V5
1 2660 11-01-2016 70.75 05-06-2013 I,,,
2 4080 26-02-2016 59.36               D

3) 删除行尾的逗号 另一种可能性是删除行尾的逗号。 (如果您使用的是 Windows，则 sed 在 Rtools 发行版中。)

read.table(pipe("sed -e s/,*$// readtest.csv"), sep = ",")

给予:

    V1         V2    V3         V4 V5
1 2660 11-01-2016 70.75 05-06-2013  I
2 4080 26-02-2016 59.36             D

3a) 类似于 (3) 但没有 sed

# replace textConnection(Lines) with your filename
L <- readLines(textConnection(Lines))
read.table(text = sub(",*$", "", L), sep = ",")