Read.CSV 在 R 中没有按预期工作

Question

我难住了。通常，read.csv按预期工作，但我遇到了行为出乎意料的问题。这很可能是我的用户错误，但任何帮助将不胜感激。

这是文件的 URL

http://nces.ed.gov/ipeds/datacenter/data/SFA0910.zip

这是我获取文件、解压缩并读取它的代码:

 URL <- "http://nces.ed.gov/ipeds/datacenter/data/SFA0910.zip"
 download.file(URL, destfile="temp.zip")
 unzip("temp.zip")
 tmp <- read.table("sfa0910.csv", 
                   header=T, stringsAsFactors=F, sep=",", row.names=NULL)

这是我的问题。当我在 Excel 中打开数据 csv 数据时，数据看起来像预期的那样。当我将数据读入 R 时，第一列实际上被命名为 row.names。 R 正在读取额外的一行数据，但我无法弄清楚导致 row.names 成为一列的“错误”发生在哪里。简单地说，它看起来像数据转移了。

然而，奇怪的是 R 中的最后一列似乎包含正确的数据。

以下是前几列的几行:

tmp[1:5,1:7]
  row.names UNITID XSCUGRAD SCUGRAD XSCUGFFN SCUGFFN XSCUGFFP
1    100654      R     4496       R     1044       R       23
2    100663      R    10646       R     1496       R       14
3    100690      R      380       R        5       R        1
4    100706      R     6119       R      774       R       13
5    100724      R     4638       R     1209       R       26

关于我可能做错了什么的任何想法？

Answer 1

我的提示:当分隔文件未按预期运行时，使用 count.fields() 作为快速诊断。

首先，使用 table() 计算字段数:

table(count.fields("sfa0910.csv", sep = ","))
# 451  452 
#   1 6852

这告诉您除了一行之外的所有行都包含 452 个字段。那么哪个是异常线呢？

which(count.fields("sfa0910.csv", sep = ",") != 452)
# [1] 1

第一行是问题。检查时，除第一行之外的所有行都以 2 个逗号结尾。

现在的问题是:这意味着什么？标题行中是否应该有一个被省略的额外字段？或者 2 个逗号是否错误地附加到其他行？如果可能，最好联系生成数据的人，以澄清歧义。