如何阅读.csv-data包含千位分隔符和零的特殊处理(在R中)?

时间:2015-11-02 08:50:05

标签: r csv comma zero

Ubuntu 14.04上的R版本3.2.2

我正在尝试读取包含千位分隔符“,”的R .csv-data(两列:“id”和“variable1”)。 到目前为止没问题。我使用read.csv2,数据看起来像这样:

> data <- read.csv2("data.csv", sep = ";", stringsAsFactors = FALSE, dec = ".")
> data[1000:1010, ]
     id        variable1
         1     2,001
     1,001     2,002
     1,002     2,001
     1,003     2,002
     1,004     2,001
     1,005     2,002
     1,006     2,001
     1,007     2,002
     1,008     2,001
     1,009     2,002
      1,01     2,001

之后,我首先尝试使用gsub()删除逗号:

data[, c("id", "variable1")] <- sapply(data[, c("id", "variable1")],
          function(x) {as.numeric(gsub("\\,","", as.character(x)))})
> data[1000:1010, ]
     id      variable1
        1      2001
     1001      2002
     1002      2001
     1003      2002
     1004      2001
     1005      2002
     1006      2001
     1007      2002
     1008      2001
     1009      2002
      101      2001

我认为我的问题在第一个输出中已经很明显了,因为有一千个分隔符,但缺少“结束零”。类似数字“1000”仅显示为“1”,“1010”显示为“1,01”,表示数据中的“id” - 变量(也在.csv数据中)。当然,R无法识别这一点。

所以我的问题是:是否有办法告诉R每个数字在千位分隔符后读取数据时(或者可能在此之后)必须有三个数字,以便我有正确的数字? 数据应如下所示:

> data[1000:1010, ]
     id      variable1
     1000      2001
     1001      2002
     1002      2001
     1003      2002
     1004      2001
     1005      2002
     1006      2001
     1007      2002
     1008      2001
     1009      2002
     1010      2001

修改 谢谢大家的回答。不幸的是,这些建议适用于此示例,但不适用于我的数据,因为我认为我选择了错误的示例行。数据中的其他行可能如下所示:

       id1 variable1
1        1     2,001
999    999     1,102
1000     1     2,001
1001 1,001     2,002
1002 1,002     2,001

当然,数字是“1”的两倍。第一个真的是“1”,但第二个应该是“1000”。但现在我觉得我无法用R解决我的问题。也许我需要更好地导出原始数据,因为问题也出现在.csv数据中。

2 个答案:

答案 0 :(得分:0)

删除逗号后,您可以执行以下操作:

data$id <- data$id*(10^(4-nchar(data$id)))

答案 1 :(得分:0)

如果&#34;,&#34;是唯一的分隔符,即所有数字都是整数,您可以将dec(或csv2)的read.csv参数设置为&#34;,&#34;并乘以1000:

data <- read.csv2(
  text = "id    ; variable1
          1     ; 2,001
          1,008 ; 2,001
          1,009 ; 2,002
          1,01  ; 2,001
          1,3   ; 2,0",
  sep = ";",
  stringsAsFactors = FALSE,
  header = TRUE,
  dec = "," )

> 1000*data
    id variable1
1 1000      2001
2 1008      2001
3 1009      2002
4 1010      2001
5 1300      2000
>