Question

我知道在这个网站上有类似的问题，但是，他们似乎都没有充分回答我的问题。

这是我到目前为止所做的：

我有一个我在excel中打开的csv文件。我以代数方式操纵列以获得新的列“A”。我使用read.csv()将文件导入R，并将A列中的条目存储为因子 - 我希望它们存储为数字。我在这个主题上找到了这个问题：

Imported a csv-dataset to R but the values becomes factors

根据建议，我在stringsAsFactors = FALSE中包含read.csv()作为参数，但是，正如Hong Ooi在上面链接的页面中所建议的那样，这不会导致列A中的条目存储为数值。

可能的解决方案是使用以下页面中给出的建议：

How to convert a factor to an integer\numeric without a loss of information?

但是，我想要一个更干净的解决方案，即导入文件的方式，以便列条目的条目存储为数值。

为任何帮助干杯！

Answer 1

无论你在Excel中用什么代数来创建新列，都可以在R中更有效地完成。

请尝试以下操作：使用read.csv(... stringsAsFactors=FALSE)将原始文件（在任何Excel操作之前）读入R中。 [如果这不起作用，请查看?read.table（read.csv换行），但可能存在其他一些潜在问题。

例如：

   delim = ","  # or is it "\t" ?
   dec = "."    # or is it "," ?
   myDataFrame <- read.csv("path/to/file.csv", header=TRUE, sep=delim, dec=dec, stringsAsFactors=FALSE)

然后，假设您的数字列是第4列

   myDataFrame[, 4]  <- as.numeric(myDataFrame[, 4])  # you can also refer to the column by "itsName"

<小时/> 最后，如果您在R中完成与在Excel中完成的相同任务需要任何帮助，那么有很多人愿意帮助您

Answer 2

在read.table（及其亲属）中，na.strings参数指定哪些字符串被解释为缺失值NA。默认值为na.strings = "NA"

如果否则数字变量列中的缺失值被编码为＆＃34; NA＆＃34;以外的其他值，例如＆＃34; .＆＃34;或＆＃34; N/A＆＃34;，这些行将被解释为character，然后整个列都会转换为character。

因此，如果您的缺失值不是＆＃34; NA＆＃34;，则需要在na.strings中指定它们。

Answer 3

如果您正在处理大型数据集（即具有大量列的数据集），则上述解决方案可能会非常麻烦，并且需要您知道哪些列是数字先验。

试试这个。

char_data <- read.csv(input_filename, stringsAsFactors = F)
num_data <- data.frame(data.matrix(char_data))
numeric_columns <- sapply(num_data,function(x){mean(as.numeric(is.na(x)))<0.5})
final_data <- data.frame(num_data[,numeric_columns], char_data[,!numeric_columns])

代码执行以下操作：

将您的数据导入为字符列。
将数据实例创建为数字列。
标识数据中的哪些列是数字的（假设在将数据转换为数字时，少于50％的NA的列确实是数字的。）
将数字和字符列合并到最终数据集中。

这实际上通过保留原始列的数据类型（作为字符和数字）自动导入.csv文件。

Answer 4

基于dmanuge代码的data.table版本：

convNumValues<-function(ds){
  ds<-data.table(ds)
  dsnum<-data.table(data.matrix(ds))
  num_cols <- sapply(dsnum,function(x){mean(as.numeric(is.na(x)))<0.5})
  nds <- data.table(  dsnum[, .SD, .SDcols=attributes(num_cols)$names[which(num_cols)]]
                        ,ds[, .SD, .SDcols=attributes(num_cols)$names[which(!num_cols)]] )
return(nds)
}

Answer 5

在read.csv命令中包括这个对我来说很有效：strip.white = TRUE

（我找到了此解决方案here。）

Answer 6

我有类似的问题。基于Joshua认为excel是问题的前提，我查看了它，发现数字的格式是每三位数字之间用逗号分隔。重新格式化而不用逗号解决了该问题。

将csv文件导入R - 读取为字符的数值

6 个答案: