R：用read.csv（）尊重数字（作为字符处理）的引号？

Question

我有一个.csv文件，其帐户代码的格式为00xxxxx，我需要它们保留这种方式，以便与使用此格式的帐户代码的其他程序一起使用。我正在制作一个R脚本来协调周五的帐户费用以及{{1>}正在为我工​​作的 swore 。现在，它似乎不是。这是一些示例数据：

as.is = T

我的test <- data.frame(col1 = c("apple", "banana", "carrot"), col2 = c(100, 200, 300), col3 = c("00234", "00345", "00456")) 策略：

write.table

删除旧write.table(test, file = "C:/path/test.csv", quote = T, sep=",", row.names = F) 并重新阅读：

data.frame

如果不清楚，它应该看起来像我们创建的原始rm(test) test <- read.csv("C:/path/test.csv") test col1 col2 col3 1 apple 100 234 2 banana 200 345 3 carrot 300 456 ：

data.frame

在仔细阅读可用的test col1 col2 col3 1 apple 100 00234 2 banana 200 00345 3 carrot 300 00456 选项后，我还尝试了以下结果，其结果与上述相同：

read.table

在这种情况下，

test <- read.csv("C:/path/test.csv", quote = '"') test <- read.csv("C:/path/test.csv", as.is = T) test <- read.csv("C:/path/test.csv", as.is = T, quote = '"') 似乎并不相关（听起来StringsAsFactors会做同样的事情。

当我在Emacs中打开文件时，as.is确实被引号括起来，所以我希望它被视为文本而不是转换为数字：

其他大多数问题只是关于不处理因素之类的事情，或者将数字而不是识别为字符，通常是该列中忽略的字符串的结果。

我看到我可以从this one这样的问题中追求col3论证，但我不愿意这样做;我的“colClasses”内置于数据中:) Quoted = character，not quoted = numeric。

Answer 1

我希望有更好的方法，但有一种方法是使用quote=""

test <- read.csv("C:/path/test.csv", as.is = TRUE, quote = "") 

这会使引号成为值的一部分，为您提供：

test
#col1 col2  col3
#1  apple  100 "00234"
#2 banana  200 "00345"
#3 carrot  300 "00456"

然后您可以将它们保留为该格式，或使用类似gsub的内容删除它们：

test$col3 <- gsub('"', '', test$col3)

test
#col1 col2  col3
#1  apple  100 00234
#2 banana  200 00345
#3 carrot  300 00456

你可以使用某种apply-type函数一次在整个数据框上执行gsub：

test <- as.data.frame(sapply(test,gsub,pattern='"',replacement=""))

来自R - how to replace parts of variable strings within data frame

的代码

显然，如果您因其他原因不需要引号，此方法对您有用。

Answer 2

在对几个R用户的朋友进行ping操作后，他们都建议使用colClasses。我松了一口气，发现我不需要指定每个类，因为我的数据是~25列。所以证实了这一点（一旦我知道我在寻找什么）in another question。

test <- read.csv("C:/path/test.csv", colClasses = c(col3 = "character"))
test

    col1 col2  col3
1  apple  100 00234
2 banana  200 00345
3 carrot  300 00456

目前的情况是，问题是另一方面与解决方案的重复。区别在于我正在寻找其他而不是colClasses的方式（因为as.is听起来像是一个可能的候选人），而那个问题是关于如何使用colClasses。

我会重申，我实际上并不喜欢这个解决方案，甚至认为这很简单。引号表示.csv中的文本字段，在这种情况下它们似乎不受尊重。 LibreOffice .csv导入有一个“处理引用字段为文本”的复选框，我认为这类似于R中的as.is = T。显然不是！ #end_rant

Answer 3

我也有这个问题。当然，您可以手动指定colClasses，但为什么在引用数据时这是必要的？我同意OP在他自己的问题中回答的“咆哮”：

  

引号表示.csv中的文本字段，它们似乎不是   在这种情况下受到尊重。

无论如何，我选择使用没有此问题的data.table fread()。尽管read.csv仍然令人讨厌。

# here's a data frame with chr and int columns
my_df <- data.frame(chars=letters[1:5],
                    nums=1:5,
                    txt_nums=sprintf('%02d', 1:5),
                    stringsAsFactors=F)

# all looks as it should
lapply(my_df, class)

# $chars
# [1] "character"
# 
# $nums
# [1] "integer"
# 
# $txt_nums
# [1] "character"

但是现在，写信给csv，读回来，第三列被强制转换为int！

# quote=T redundant since that's the default, but just to be sure
write.csv(my_df, 'my_df.csv', row.names=F, quote=T) 
my_df2 <- read.csv('my_df.csv')
lapply(my_df2, class)

# even with as.is=TRUE, same issue
my_df2 <- read.csv('my_df.csv', as.is=T)
lapply(my_df2, class)

# data.table's fread doesn't have this issue, at least
library(data.table)
my_dt <- fread('my_df.csv')
lapply(my_dt, class)