我有一个csv文件，其中一些数值表示为字符串，逗号为千位分隔符，例如"1,513"代替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执行此操作。
答案 0 :(得分：129)
不确定如何正确解释read.csv，但您可以使用gsub将","替换为""，然后将字符串转换为{{1使用numeric：
as.numeric这是also answered previously on R-Help（以及Q2 here）。
或者，您可以预处理文件，例如在unix中使用y <- c("1,200","20,000","100","12,111")
as.numeric(gsub(",", "", y))
# [1] 1200 20000 100 12111
。
答案 1 :(得分：55)
您可以半自动read.table或read.csv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) ) )
然后运行read.csv，如：
DF <- read.csv('your.file.here',
colClasses=c('num.with.commas','factor','character','numeric','num.with.commas'))
答案 2 :(得分：16)
我想使用R而不是预处理数据，因为它可以在修改数据时更轻松。根据Shane关于使用gsub的建议，我认为这与我能做的一样整洁：
x <- read.csv("file.csv",header=TRUE,colClasses="character")
col2cvt <- 15:41
x[,col2cvt] <- lapply(x[,col2cvt],function(x){as.numeric(gsub(",", "", x))})
答案 3 :(得分：12)
这个问题已有几年了，但我偶然发现了，这意味着其他人也会这样。
readr库/包有一些不错的功能。其中一个是解释“凌乱”列的好方法，就像这些。
library(readr)
read_csv("numbers\n800\n\"1,800\"\n\"3500\"\n6.5",
col_types = list(col_numeric())
)
这会产生
来源：本地数据框[4 x 1]
numbers
(dbl)
1 800.0
2 1800.0
3 3500.0
4 6.5
阅读文件时的一个重点：您必须预处理，例如上面关于sed的评论，或者您必须在阅读时处理。通常，如果你试图在事后解决问题，那么很难找到一些危险的假设。 （这就是为什么平面文件首先是如此邪恶的原因。）
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部分早期元素都不包含逗号：
> 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"
然后你会发现读这个逗号的麻烦了！
> 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.
答案 4 :(得分：6)
lines <- "www, rrr, 1,234, ttt \n rrr,zzz, 1,234,567,987, rrr"
可以在readLines上使用textConnection。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"
知道但不直接与此问题相关的有用的是，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。
编辑：后来我发现了如何通过设计一个新类来使用colClasses。参见：
答案 5 :(得分：6)
dplyr和管道mutate_all解决方案
说你有以下内容：
> 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
并希望从年变量X2014-X2016中删除逗号，以及 将它们转换为数字。另外，让我们说X2014-X2016被读入 因素（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funs内的函数应用于指定的列
我按顺序执行，一次执行一个功能（如果使用多个功能）
funs内的函数，然后你创建额外的，不必要的列）
答案 6 :(得分：4)
如果数字以“。”分隔。调用gsub时，“，”（1.200.000,00）的小数点为set fixed=TRUE as.numeric(gsub(".","",y,fixed=TRUE))
答案 7 :(得分：2)
我认为预处理是可行的方法。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
然后您可以使用x <- read.csv(file="x.csv",header=FALSE)来读取文件。
答案 8 :(得分：2)
一种非常方便的方式是readr::read_delim - 家庭。以这里为例：
Importing csv with multiple separators into R您可以按照以下方式执行此操作：
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
答案 9 :(得分：0)
使用read_delim函数（该函数是 reader 库的一部分），您可以指定其他参数：
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。
这将有助于读取所有带有逗号的数字作为正确的数字。
致谢
Mateusz Kania
答案 10 :(得分：0)
我们也可以使用readr::parse_number，尽管列必须是字符。如果我们想将其应用于多列，我们可以使用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_at中的dplyr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)