Question

我对LendingClub的历史数据感兴趣，LendingClub是最大的P2P借贷公司。

这是一个非标准化的压缩CSB文件，但在Excel中打开时可以通过删除第1行，第39789-39791号和第42543-42544行轻松修复，如何在R中自动执行？（如果您想提供帮助，但担心这可能是恶意链接，请先将Google这家公司联系起来）

我尝试了以下内容：

data <- read.csv(url("https://resources.lendingclub.com/LoanStats3a.csv.zip"))

但它会引发错误：

Error in read.table(file = file, header = header, sep = sep, quote = quote,  : 
  duplicate 'row.names' are not allowed

Answer 1

你可以使用skip来越过第一个“垃圾”行，但是你需要处理导入后的末尾有~4个“垃圾”行：

dat <- read.csv("LoanStats3a.csv", skip=1, header=TRUE, stringsAsFactors=FALSE)
str(dat)

## 'data.frame': 42538 obs. of  96 variables:
##  $ id                            : chr  "1077501" "1077430" "1077175" "1076863" ...
##  $ member_id                     : int  1296599 1314167 1313524 1277178 1311748 1311441 1304742 1288686 1306957 1306721 ...
##  $ loan_amnt                     : int  5000 2500 2400 10000 3000 5000 7000 3000 5600 5375 ...
##  $ funded_amnt                   : int  5000 2500 2400 10000 3000 5000 7000 3000 5600 5375 ...
##  $ funded_amnt_inv               : num  4975 2500 2400 10000 3000 ...
##  $ term                          : chr  " 36 months" " 60 months" " 36 months" " 36 months" ...
##  $ int_rate                      : chr  " 10.65%" " 15.27%" " 15.96%" " 13.49%" ...
##  $ installment                   : num  162.9 59.8 84.3 339.3 67.8 ...
##  $ grade                         : chr  "B" "C" "C" "C" ...
##  $ sub_grade                     : chr  "B2" "C4" "C5" "C1" ...
##  $ emp_title                     : chr  "" "Ryder" "" "AIR RESOURCES BOARD" ...
##  $ emp_length                    : chr  "10+ years" "< 1 year" "10+ years" "10+ years" ...
##  ... (a bunch more variables, some are all NA)

如何下载非标准化的CSB文件并进行预处理

1 个答案: