Question

我有一个很大的CSV文件（超过100,000行）。除第一列（即时间）外，此文件应仅包含数值。

但是，当我使用read.csv函数读取文件时，某些数据框变量只包含字符。

我尝试使用as.numeric函数将这些变量转换为数字，然后收到警告消息：

警告讯息：

强制引入的NAs

我的猜测是CSV文件的写入方式有误。我想解决这个错误，但要做到这一点，我需要知道问题出在哪里。

有没有办法获得更详细的信息为什么（尤其是哪里）as.numeric无法将我的数据转换为数字？

Answer 1

如果您提供了reproducible example，这会有所帮助。既然你没有，我会尝试制作一个。希望这是值得的。

write.csv(read.table(text="A 1  2   3
B   2   3   4
C   3   4   5
D   4   5   6
E   5   q   7
F   6   7   8
G   7   8   9", header=F, stringsAsFactors=F), file="file.csv", row.names=F)

此文件应该使用数字变量打开（第一列除外），但第三列在某处搞砸了：

my.data <- read.csv("file.csv", stringsAsFactors=F, header=T)
str(my.data)
# 'data.frame':  7 obs. of  4 variables:
#  $ V1: chr  "A" "B" "C" "D" ...
#  $ V2: int  1 2 3 4 5 6 7
#  $ V3: chr  "2" "3" "4" "5" ...
#  $ V4: int  3 4 5 6 7 8 9

您可以尝试的一件事是一次读取一行文件，并查看有问题的变量的类何时从数字切换：

for(i in 1:7){
  row <- read.csv("file.csv", stringsAsFactors=F, header=T, skip=i-1, nrows=1)
  if(is.character(row[1,3])){ break() }
}
i         # [1] 5
row[1,3]  # [1] "q"

发现了罪魁祸首（或至少是第一个），您可以在Excel中打开文件，或类似EditPad之类的内容，然后导航到坏元素并修复它。（务必对文件的副本执行此操作;保留原始疣和所有 - 以获取永久记录。）

编辑：
如果您已经拥有NA s的向量，则可以找到它们的位置：

which(is.na(as.numeric(my.data[,3])))
# [1] 5
# Warning message:
# In which(is.na(as.numeric(my.data[, 3]))) : NAs introduced by coercion

或者直接跳到检查元素：

my.data[which(is.na(as.numeric(my.data[,3]))),3]
# [1] "q"
# Warning message:
# In which(is.na(as.numeric(my.data[, 3]))) : NAs introduced by coercion

如何在强制数据时使用as.numeric函数获取详细信息？

1 个答案: