Question

WK,MND,CS,SHP,RevCY,RevLY,TCY,TLY,ACY,ALY

"2,JAN,GER,""Victoria's Secrets"",29307,25419,841,768,2320,1755"

2,JAN,KAP,Brand Shop,2027,-,95,0,175,-0

2,JAN,KAP,Kapp‚ Drugstore West,89768,78824,3309,3052,6197,5634

2,JAN,KAP,Kapp‚ P&C Centraal,680019,640951,8709,8116,19450,18385

2,JAN,KAP,Kapp‚ Sunglasses Centraal,49216,43940,464,421,550,478

2,JAN,KAP,Kapp‚ Sunglasses Schengen,25721,26592,306,318,333,378

2,JAN,KAP,Kapp‚ Sunglasses West,50280,53089,477,510,566,_78

我似乎总是很难将数据放入正确的结构中。我有上述数据结构（文件超过10K行）。加载它时，我希望列具有特定的数据类。

当我输入：

RIS <- read.table("RIS.txt", sep=",", header=T, fill=T, 
    colClasses=c("integer", "character", "factor", "factor", rep("numeric",6)))

我收到错误消息：

Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings,  : 
    scan() expected 'an integer', got '"2'

我认为这是因为列WK实际上包含杂乱的符号。但在其他专栏中也可能出现这种情况。

任何人都可以帮我正确加载这些数据并“清理”数据集以使其成为正确的格式或类吗？

Answer 1

您有典型的数据清理问题 - 根据我的经验，典型分析任务的80％项目时间会被数据准备所消耗。

根据您的数据样本，请尝试以下方法：

将read.csv()与参数quote=""一起使用。这将忽略所有引号 - 但当然您可能必须稍后删除它们。
使用正则表达式删除数字列中的任何乱码（例如“或_”），然后强制转换为数字。

试试这个：

data <- "
WK,MND,CS,SHP,RevCY,RevLY,TCY,TLY,ACY,ALY
\"2,JAN,GER,\"\"Victoria's Secrets\"\",29307,25419,841,768,2320,1755\"
2,JAN,KAP,Brand Shop,2027,-,95,0,175,-0
2,JAN,KAP,Kapp‚ Drugstore West,89768,78824,3309,3052,6197,5634
2,JAN,KAP,Kapp‚ P&C Centraal,680019,640951,8709,8116,19450,18385
2,JAN,KAP,Kapp‚ Sunglasses Centraal,49216,43940,464,421,550,478
2,JAN,KAP,Kapp‚ Sunglasses Schengen,25721,26592,306,318,333,378
2,JAN,KAP,Kapp‚ Sunglasses West,50280,53089,477,510,566,_78
"

现在阅读数据：

x <- read.csv(text=data, quote="", header=TRUE)

开始清洁过程：

numericCols <- c(1, 5:10)
x[numericCols] <- lapply(x[numericCols], function(x)as.numeric(gsub("[-_\"]", "", x)))
x

结果：

  WK MND  CS                       SHP  RevCY  RevLY  TCY  TLY   ACY   ALY
1  2 JAN GER    ""Victoria's Secrets""  29307  25419  841  768  2320  1755
2  2 JAN KAP                Brand Shop   2027     NA   95    0   175     0
3  2 JAN KAP      Kapp‚ Drugstore West  89768  78824 3309 3052  6197  5634
4  2 JAN KAP        Kapp‚ P&C Centraal 680019 640951 8709 8116 19450 18385
5  2 JAN KAP Kapp‚ Sunglasses Centraal  49216  43940  464  421   550   478
6  2 JAN KAP Kapp‚ Sunglasses Schengen  25721  26592  306  318   333   378
7  2 JAN KAP     Kapp‚ Sunglasses West  50280  53089  477  510   566    78

使用正确的colClasses读取文本文件

1 个答案: