如何讀取包含千位分隔符和零的特殊處理（在 R 中）的 .csv 數據？

Question

Ubuntu 14.04 上的 R 版本 3.2.2

我正在嘗試讀取包含千位分隔符“，”的 R .csv 數據（兩列：“id”和“variable1”）。 到目前為止沒有問題。 我正在使用 read.csv2，數據如下所示：

> data <- read.csv2("data.csv", sep = ";", stringsAsFactors = FALSE, dec = ".")
> data[1000:1010, ]
     id        variable1
         1     2,001
     1,001     2,002
     1,002     2,001
     1,003     2,002
     1,004     2,001
     1,005     2,002
     1,006     2,001
     1,007     2,002
     1,008     2,001
     1,009     2,002
      1,01     2,001

在那之后，我首先嘗試使用 gsub() 刪除逗號：

data[, c("id", "variable1")] <- sapply(data[, c("id", "variable1")],
          function(x) {as.numeric(gsub("\\,","", as.character(x)))})
> data[1000:1010, ]
     id      variable1
        1      2001
     1001      2002
     1002      2001
     1003      2002
     1004      2001
     1005      2002
     1006      2001
     1007      2002
     1008      2001
     1009      2002
      101      2001

我認為我的問題在第一個輸出中已經很明顯了，因為有千位分隔符，但是缺少“結束零”。 對於數據中的“id”變量（也在 .csv 數據中），數字“1000”僅顯示為“1”，而“1010”顯示為“1,01”。 當然，R 無法識別這一點。

所以我的問題是：有沒有辦法告訴 R 在讀取數據時（或者可能在那之后）每個數字在千位分隔符之后必須有三個數字，以便我有正確的數字？ 數據應如下所示：

> data[1000:1010, ]
     id      variable1
     1000      2001
     1001      2002
     1002      2001
     1003      2002
     1004      2001
     1005      2002
     1006      2001
     1007      2002
     1008      2001
     1009      2002
     1010      2001

編輯：謝謝大家的回答。 不幸的是，這些建議適用於這個示例，但不適用於我的數據，因為我認為我選擇了錯誤的示例行。 數據中的其他行可能如下所示：

       id1 variable1
1        1     2,001
999    999     1,102
1000     1     2,001
1001 1,001     2,002
1002 1,002     2,001

當然，有兩倍的數字“1”。 第一個確實是“1”，但第二個應該是“1000”。 但現在我認為我無法用 R 解決我的問題。也許我需要更好地導出原始數據，因為問題也出現在 .csv 數據中。

Answer 1

刪除逗號后，您可以執行以下操作：

data$id <- data$id*(10^(4-nchar(data$id)))

Answer 2

如果 "," 是唯一的分隔符，即所有數字都是整數，您可以將csv2 （或read.csv ）的dec參數設置為 "," 並乘以 1000：

data <- read.csv2(
  text = "id    ; variable1
          1     ; 2,001
          1,008 ; 2,001
          1,009 ; 2,002
          1,01  ; 2,001
          1,3   ; 2,0",
  sep = ";",
  stringsAsFactors = FALSE,
  header = TRUE,
  dec = "," )

.

> 1000*data
    id variable1
1 1000      2001
2 1008      2001
3 1009      2002
4 1010      2001
5 1300      2000
>