Question

我使用Lending Club的历史贷款数据集来学习R.这里有代表性的数据子集：https://gist.github.com/adetch/11b1c2b6eac0b6add23f

有问题的命令：

problem <- read.csv("test.csv",na.strings=c("","<NA>"),colClasses=c("mths_since_last_major_derog"="integer"))

我遇到的错误：

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

我使用以下命令遇到了类似的问题：

problem <- read.csv("test.csv",na.strings=c("","<NA>"),colClasses=c("id"="integer"))

这种情况下的错误：

Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings,  : 
scan() expected 'an integer', got '"1077501"'

所以在我看来似乎

R＆＃39; integer类与引号不兼容
并且可能在扫描类之后运行na.strings转换，并且integer检查在空字符串上失败。

但是，""中包含的其他列（例如member_id和loan_amnt）会在没有投诉的情况下被投射为integer（并且没有使用colClasses进行任何特殊干预！）。

最近的问题：

如何将这些字段（id，mths_since_last_major_derog）转换为整数，而不是因子（注意应该将其作为因素投射的众多其他字段）< / LI>

更重要的是：

R类的心理模型，类胁迫，read.table / read.csv等在哪里崩溃？

Answer 1

请勿使用colClasses。如果你真的需要强制，那么按原样阅读，然后use$id <- as.integer(problem$id)

但在这种情况下（你的test.csv）我认为R非常擅长加载数据。

修改

重新迭代。想象一下，有一个包含3列的简单数据表：

id,member_id,term 1077501,1296599,36 months 1077430,1314167,60 months 1077175,1313524,36 months 1076863,1277178,36 months

如果您通过
加载数据
d <- read.csv("c:/temp/R/data.csv")

然后R将尽力匹配数据类型。如果您真的想要提前告诉它，请使用colClasses;如果你说像
那样的话
d <- read.csv("c:/temp/R/data.csv", colClasses = c("integer"))

然后它会尝试为每个列使用类integer，因为它重复 colClasses向量。

与
相同的问题
d <- read.csv("c:/temp/R/data.csv", colClasses = c("integer","character"))

尝试将第一列加载为colClasses[1]，即整数 - 确定。

尝试将第二列加载为colClasses[2]，即字符 - 确定。

尝试加载第3列 - 因为没有colClasses[3]然后回收 colClasses并返回colClasses[1] - 这不起作用（R不知道如何将“36个月”强制为整数值）

<强> EDIT2

在实际查看数据集之后，问题是您的列没有任何值，并且仅存储""。因此，您需要将""添加到na.string，这样才能解决问题：（即你需要逃避"，你的实际字符串将是"\"\""）

problem <- read.csv("c:/temp/R/test.csv",na.strings=c("\"\"","","<NA>"),colClasses=c("mths_since_last_major_derog"="integer"))

将一些colClasses设置为整数时，read.table会在看到引用的字段值时发出抱怨

1 个答案: