Question

为了导入一个大型数据集，我使用了带有选项integer64 =“character”的data.table，因为有些列的数字很大，否则会被截断，而且只是标识符。

my <- fread("mydata.csv", encoding="UTF-8",integer64 = "character")

启用该选项后，这些列将作为字符正确导入，但现在我遇到了问题，他们的列名已自动修改为以这些字符开头

<U+FEFF>

例如，第一列现在称为

<U+FEFF>ID_2006_2011

现在的问题是我无法使用这些名称，例如：

> miniDT[1,"<U+FEFF>ID_2006_2011", with=F]
Error in `[.data.table`(miniDT, 1, "<U+FEFF>ID_2006_2011", with = F) : 
  column(s) not found: <U+FEFF>ID_2006_2011
> miniDT[1,"ID_2006_2011", with=F]
Error in `[.data.table`(miniDT, 1, "ID_2006_2011", with = F) : 
  column(s) not found: ID_2006_2011

我如何与他们合作？如何将它们更改为更简单的东西？我试过

setnames(miniDT, "ID_2006_2011", "ID")

但是我收到了这个错误：

setnames中的错误（miniDT，“ID_2006_2011”，“ID”）：'old'的项目在列名称中找不到：ID_2006_2011

列名实际上是因为......：

> miniDT[1,1, with=F]
   <U+FEFF>ID_2006_2011
1:         160701000002

目前我会使用数字代替名称来引用列。

Answer 1

我遇到了同样的问题，发现带有 readLines() 的 encoding="UTF-8-BOM" 实际上并没有删除它。我使用以下函数去除 BOM：

removeBOM <- function(headers){
  gsub("\\xef\\xbb\\xbf", "", headers, useBytes = T)
}

如何摆脱R data.table列名中的<u + feff>？

1 个答案: