讀取制表符分隔數據到R

Question

我試圖讀取一個大的制表符分隔文件到R.

首先我嘗試了這個：

data <- read.table("data.csv", sep="\t")

但它正在讀取一些數字變量作為因素

所以我嘗試根據我希望每個變量的類型讀取數據：

data <- read.table("data.csv", sep="\t", colClasses=c("character","numeric","numeric","character","boolean","numeric"))

但是當我嘗試這個時它會給我一個錯誤：

掃描錯誤（文件，什么，nmax，sep，dec，quote，skip，nlines，na.strings，：scan（）預期'真實'，得到'“4”'

我想可能是原始文件中的某些數值有引號，但我不確定。

Answer 1

在沒有看到您的數據的情況下，您有以下幾點之一：您沒有將所有數據分開; 在單個觀察中有嵌入的標簽; 或者其他人。

你可以options(stringsAsFactors=FALSE)進行排序的方法是設置options(stringsAsFactors=FALSE)然后使用你的第一行。

檢查str(data)並嘗試找出哪些行是罪魁禍首。 一些數值作為因子讀取的原因是因為該列中有一些東西將R解釋為一個字符，因此它將整個列強制轉換為字符。 它通常需要一些挖掘，但問題幾乎肯定與您的輸入文件有關。

這是一個常見的數據問題，祝你好運！

Answer 2

x <- paste("'",floor(runif(10,0,10)),"'",sep="")
x

 [1] "'7'" "'3'" "'0'" "'3'" "'9'" "'1'" "'4'" "'8'" "'5'" "'8'"

as.numeric(gsub("'", "",x))

 [1] 7 3 0 3 9 1 4 8 5 8