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。
答案 0 :(得分:2)
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。
答案 1 :(得分: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
答案 2 :(得分:2)
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)