通过read.csv / read.table防止变量名被破坏？

Question

我的数据集testdata有两个名为PWGTP和AGEP的变量

数据位于.csv文件中。

当我这样做时：

> head(testdata)

变量显示为

    ï..PWGTP AGEP
          23   55
          26   56
          24   45
          22   51
          25   54
          23   35

因此，出于某种原因，R正在将PWGTP作为ï..PWGTP阅读。没什么大不了的。

但是，当我使用某个函数来引用变量ï..PWGTP时，我收到了消息：

  

错误：数据中找不到id变量：ï..PWGTP

同样，当我使用某个函数来引用变量PWGTP时，我收到消息：

  

错误：数据中找不到id变量：PWGTP

2个问题：

1. 我是否应该对源文件做些什么来防止变量名PWGTP的错误？

2. 将ï..PWGTP重命名为其他内容应该是微不足道的 - 但R无法找到这样命名的变量。您对如何修复变量名称的看法？

Answer 1

这是一个BOM（字节顺序标记）UTF-8问题。

为防止这种情况发生，有2个选项：

1. 将文件保存为UTF-8，无BOM /签名 - 或 -
2. 使用fileEncoding = "UTF-8-BOM"或read.table
时使用read.csv

示例：

mydata <- read.table(file = "myfile.txt", fileEncoding = "UTF-8-BOM")

Answer 2

文件中的列名可能是1 PWGTP在数字（或其他）之间的空格以及在R中读取时导致..的字符。一种方法防止这种情况是在check.names = FALSE

中使用read.csv/read.table

d1 <- read.csv("yourfile.csv", header=TRUE, stringsAsFactors=FALSE, check.names=FALSE)

但是，最好不要让名字以数字开头或中间有空格。

因此，假设，如果OP使用默认选项（即使用check.names = TRUE）读取数据，我们可以使用sub更改列名称

names(d1) <- sub(".*\\.+", "", names(d1))

作为一个例子

sub(".*\\.+", "", "ï..PWGTP")
#[1] "PWGTP"