138

我有一个 csv 文件,其中一些数值表示为字符串,以逗号作为千位分隔符,例如,"1,513"而不是1513. 将数据读入 R 的最简单方法是什么?

我可以使用read.csv(..., colClasses="character"),但是在将这些列转换为数字之前,我必须从相关元素中删除逗号,而且我找不到一种巧妙的方法来做到这一点。

4

11 回答 11

155

不确定如何read.csv正确解释它,但您可以使用gsub替换",""",然后将字符串转换为numeric使用as.numeric

y <- c("1,200","20,000","100","12,111")
as.numeric(gsub(",", "", y))
# [1]  1200 20000 100 12111

之前在 R-Help 上也回答了这个问题(在第二季度这里)。

或者,您可以预处理文件,例如sed在 unix 中。

于 2009-10-06T01:18:26.910 回答
68

您可以让 read.table 或 read.csv 半自动地为您执行此转换。首先创建一个新的类定义,然后创建一个转换函数并使用 setAs 函数将其设置为“as”方法,如下所示:

setClass("num.with.commas")
setAs("character", "num.with.commas", 
        function(from) as.numeric(gsub(",", "", from) ) )

然后像这样运行 read.csv:

DF <- read.csv('your.file.here', 
   colClasses=c('num.with.commas','factor','character','numeric','num.with.commas'))
于 2010-08-31T17:34:19.503 回答
20

我想使用 R 而不是预处理数据,因为它使修改数据时更容易。按照 Shane 关于 using 的建议gsub,我认为这是我能做的最简洁的:

x <- read.csv("file.csv",header=TRUE,colClasses="character")
col2cvt <- 15:41
x[,col2cvt] <- lapply(x[,col2cvt],function(x){as.numeric(gsub(",", "", x))})
于 2009-10-06T03:15:28.000 回答
16

这个问题已经有好几年了,但我偶然发现了它,这意味着也许其他人会。

readr/包有一些不错的功能。其中一个是解释“混乱”列的好方法,比如这些。

library(readr)
read_csv("numbers\n800\n\"1,800\"\n\"3500\"\n6.5",
          col_types = list(col_numeric())
        )

这产生

来源:本地数据框 [4 x 1]

  numbers
    (dbl)
1   800.0
2  1800.0
3  3500.0
4     6.5

读取文件时的重要一点:您要么必须预处理,如上面关于 的评论sed,要么必须在阅读时进行处理。通常,如果你试图在事后解决问题,就会做出一些很难找到的危险假设。(这就是为什么平面文件首先如此邪恶。)

例如,如果我没有标记col_types,我会得到这个:

> read_csv("numbers\n800\n\"1,800\"\n\"3500\"\n6.5")
Source: local data frame [4 x 1]

  numbers
    (chr)
1     800
2   1,800
3    3500
4     6.5

(请注意,它现在是chr( character) 而不是numeric。)

或者,更危险的是,如果它足够长并且大多数早期元素不包含逗号:

> set.seed(1)
> tmp <- as.character(sample(c(1:10), 100, replace=TRUE))
> tmp <- c(tmp, "1,003")
> tmp <- paste(tmp, collapse="\"\n\"")

(这样最后几个元素看起来像:)

\"5\"\n\"9\"\n\"7\"\n\"1,003"

然后你会发现阅读那个逗号有困难!

> tail(read_csv(tmp))
Source: local data frame [6 x 1]

     3"
  (dbl)
1 8.000
2 5.000
3 5.000
4 9.000
5 7.000
6 1.003
Warning message:
1 problems parsing literal data. See problems(...) for more details. 
于 2015-09-17T23:31:30.057 回答
8

dplyr使用mutate_all和管道的解决方案

说你有以下几点:

> dft
Source: local data frame [11 x 5]

   Bureau.Name Account.Code   X2014   X2015   X2016
1       Senate          110 158,000 211,000 186,000
2       Senate          115       0       0       0
3       Senate          123  15,000  71,000  21,000
4       Senate          126   6,000  14,000   8,000
5       Senate          127 110,000 234,000 134,000
6       Senate          128 120,000 159,000 134,000
7       Senate          129       0       0       0
8       Senate          130 368,000 465,000 441,000
9       Senate          132       0       0       0
10      Senate          140       0       0       0
11      Senate          140       0       0       0

并希望从年份变量 X2014-X2016 中删除逗号,并将它们转换为数字。另外,假设 X2014-X2016 被读取为因子(默认)

dft %>%
    mutate_all(funs(as.character(.)), X2014:X2016) %>%
    mutate_all(funs(gsub(",", "", .)), X2014:X2016) %>%
    mutate_all(funs(as.numeric(.)), X2014:X2016)

mutate_all将内部的函数应用于funs指定的列

我按顺序执行,一次一个函数(如果您在内部使用多个函数,funs那么您会创建额外的、不必要的列)

于 2015-03-28T05:31:18.387 回答
8

我们也可以使用readr::parse_number,但列必须是字符。如果我们想将它应用于多个列,我们可以使用遍历列lapply

df[2:3] <- lapply(df[2:3], readr::parse_number)
df

#  a        b        c
#1 a    12234       12
#2 b      123  1234123
#3 c     1234     1234
#4 d 13456234    15342
#5 e    12312 12334512

或使用mutate_atfromdplyr将其应用于特定变量。

library(dplyr)
df %>% mutate_at(2:3, readr::parse_number)
#Or
df %>% mutate_at(vars(b:c), readr::parse_number)

数据

df <- data.frame(a = letters[1:5], 
                 b = c("12,234", "123", "1,234", "13,456,234", "123,12"),
                 c = c("12", "1,234,123","1234", "15,342", "123,345,12"), 
                 stringsAsFactors = FALSE)
于 2019-08-12T10:50:41.770 回答
6

R中的“预处理”:

lines <- "www, rrr, 1,234, ttt \n rrr,zzz, 1,234,567,987, rrr"

可以readLinestextConnection. 然后只删除数字之间的逗号:

gsub("([0-9]+)\\,([0-9])", "\\1\\2", lines)

## [1] "www, rrr, 1234, ttt \n rrr,zzz, 1234567987, rrr"

知道逗号作为小数分隔符可以由 read.csv2(自动)或 read.table(设置“dec”参数)处理,但与这个问题没有直接关系,这也很有用。

编辑:后来我发现了如何通过设计一个新类来使用 colClasses。看:

如何在 R 中使用 1000 个分隔符将 df 作为数字类加载?

于 2009-10-08T01:09:15.687 回答
5

使用 read_delim 函数,它是readr库的一部分,您可以指定附加参数:

locale = locale(decimal_mark = ",")

read_delim("filetoread.csv", ";", locale = locale(decimal_mark = ","))

*第二行中的分号表示 read_delim 将读取 csv 分号分隔的值。

这将有助于将所有带逗号的数字读取为正确的数字。

问候

马特乌什·卡尼亚

于 2018-08-20T20:04:38.733 回答
4

如果数字用“.”分隔 和小数由“,”(1.200.000,00)调用gsub你必须set fixed=TRUE as.numeric(gsub(".","",y,fixed=TRUE))

于 2014-02-07T14:34:47.123 回答
3

一个很方便的方式是readr::read_delim-family。以这里的例子: Importing csv with multiple separators into R你可以这样做:

txt <- 'OBJECTID,District_N,ZONE_CODE,COUNT,AREA,SUM
1,Bagamoyo,1,"136,227","8,514,187,500.000000000000000","352,678.813105723350000"
2,Bariadi,2,"88,350","5,521,875,000.000000000000000","526,307.288878142830000"
3,Chunya,3,"483,059","30,191,187,500.000000000000000","352,444.699742995200000"'

require(readr)
read_csv(txt) # = read_delim(txt, delim = ",")

这导致了预期的结果:

# A tibble: 3 × 6
  OBJECTID District_N ZONE_CODE  COUNT        AREA      SUM
     <int>      <chr>     <int>  <dbl>       <dbl>    <dbl>
1        1   Bagamoyo         1 136227  8514187500 352678.8
2        2    Bariadi         2  88350  5521875000 526307.3
3        3     Chunya         3 483059 30191187500 352444.7
于 2017-05-11T21:55:45.947 回答
0

我认为预处理是要走的路。您可以使用具有正则表达式替换选项的Notepad++ 。

例如,如果您的文件是这样的:

"1,234","123","1,234"
"234","123","1,234"
123,456,789

然后,您可以使用正则表达式"([0-9]+),([0-9]+)"并将其替换为\1\2

1234,"123",1234
"234","123",1234
123,456,789

然后你可以使用 x <- read.csv(file="x.csv",header=FALSE)读取文件。

于 2009-10-06T01:47:26.320 回答