Question

我正在使用read.table来读取数据文件。并得到以下错误：

Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings,  : 
  scan() expected 'a real', got 'true'

我知道这意味着我的数据文件中存在一些错误，问题是如何找到它的位置。错误消息没有告诉哪一行有问题，我很难找到它。或者我该如何跳过这些行？感谢。

这是我的R代码：

data<-read.csv("/home/jianfezhang/prod/conversion_yaap/data/part-r-00000",
                   sep="\t",
                   col.names=c("site",
                               "treatment",
                               "mode",
                              "segment",
                              "source",
                              "itemId",
                              "leaf_categ_id",
                              "condition_id",
                              "auct_type_code",
                              "start_price_lstg_curncy",
                              "bin_price_lstg_curncy",
                              "start_price_variance",
                              "start_price_mean",
                              "start_price_media",
                              "bin_price_variance",
                              "bin_price_mean",
                              "bin_price_media",
                              "is_sold"),
                   colClasses=c(rep("factor",5),"numeric",rep("factor",3),rep("numeric",8),"factor")
                   );

Answer 1

您得到的错误是由colClasses参数引起的 - 文件中的某些值与您指定的数据类型不匹配。

大多数时候我遇到类似这样的事情，我可能只是对colClasses参数有一些计数问题，例如它可能是

colClasses=c(rep("factor",5),"numeric", rep("factor",4), rep("numeric",7),"factor")

而不是默认值。可以通过仔细比较文件的第一行的内容与您指定的数据类型来检查。

如果这不适合你，你可能有一些错误的数据类型，你不期望它。一种简单而缓慢的方法是删除colClasses参数并首先读取整个文件而不使用特定选项 - 可能添加stringsAsFactors=FALSE以仅获取字符值。这可能应该有效。

然后您可以尝试逐个转换每个列，例如

data$itemId <- as.numeric(data$itemId)

然后检查NA值的结果，由summary(data$itemId)轻松完成。如果您获得了NA个值，则可以调用which(is.na(data$itemId))来获取行号并检查原始文件NA实际上是否有效，或者您是否有一些数据问题。

大多数情况下，您可以通过这种方式缩小问题范围。

但是，如果您的文件很多，那么这很快就会成为很多工作....

读取R中的数据文件错误

1 个答案: