有时,字节顺序标记 (BOM) 出现在 .CSV 文件的开头。当您使用记事本或 Excel 打开文件时,该符号不可见,但是,当您使用各种方法在 R 中读取文件时,您将在第一列的名称中使用不同的符号。这是一个例子
开头带有 BOM 的示例 csv 文件。
ID,title,clean_title,clean_title_id
1,0 - 0,,0
2,"""0 - 1,000,000""",,0
27448,"20yr. rope walker
igger",Rope Walker Igger,1832700817
read.csv
在基本 R 包中通读
(x1 = read.csv("file1.csv",stringsAsFactors = FALSE))
# ï..ID raw_title semi_clean semi_clean_id
# 1 1 0 - 0 0
# 2 2 "0 - 1,000,000" 0
# 3 27448 20yr. rope walker\nigger Rope Walker Igger 1832700817
通读data.tablefread
包
(x2 = data.table::fread("file1.csv"))
# ID raw_title semi_clean semi_clean_id
# 1: 1 0 - 0 0
# 2: 2 ""0 - 1,000,000"" 0
# 3: 27448 20yr. rope walker\rigger Rope Walker Igger 1832700817
在readrread_csv
包中通读
(x3 = readr::read_csv("file1.csv"))
# <U+FEFF>ID raw_title semi_clean semi_clean_id
# 1 1 0 - 0 <NA> 0
# 2 2 "0 - 1,000,000" <NA> 0
# 3 27448 20yr. rope walker\rigger Rope Walker Igger 1832700817
您可以注意到变量名称 ID 前面的不同字符。
这是在所有这些上运行名称时的结果
names(x1)
# [1] "ï..ID" "raw_title" "semi_clean" "semi_clean_id"
names(x2)
# [1] "ID" "raw_title" "semi_clean" "semi_clean_id"
names(x3)
# [1] "ID" "raw_title" "semi_clean" "semi_clean_id"
在x3
中,前面没有任何“可见” ID
,但是当您检查时
names(x3)[[1]]=="ID"
# [1] FALSE
如何在每种情况下摆脱这些不需要的字符。PS:请添加更多读取csv文件的方法,面临的问题和解决方案。