Question

我有一个大型数据集（〜20000x1）。并非所有字段都已填充，换句话说，数据确实缺少值。每个功能都是一个字符串。

我已完成以下代码运行：

输入：

data <- read.csv("data.csv", header=TRUE, quote = "")
datan <- read.table("data.csv", header = TRUE, fill = TRUE)

第二个代码的输出：

扫描错误（file = file，what = what，sep = sep，quote = quote，dec = dec，：第1行没有80个元素

输入：

datar <- read.csv("data.csv", header = TRUE, na.strings = NA)

输出：

警告讯息：在scan（file = file，what = what，sep = sep，quote = quote，dec = dec，：引用字符串中的EOF

我发现，基本上我遇到了4个问题。其中两个问题是上述错误消息。第三个是如果它没有吐出错误消息，当我查看全局环境窗口时，我看到并不是所有的行都被占用了，比如~14000个样本丢失但是特征号是正确的。我看到的另一个问题是，并非所有样本都被计算在内，并且特征编号不正确。

我该如何解决这个问题？

Answer 1

尝试参数comment.char = ""以及引用。 R将读取散列（＃）作为注释，并将缩短行。

Answer 2

您可以使用Notepad ++打开CSV吗？这将允许您查看“不可见”字符和任何其他不可打印字符。该文件可能不包含您认为包含的内容！当您解决了采购问题后，您可以使用选择器工具选择CSV文件。

filename <- file.choose()
data <- read.csv(filename, skip=1)
name <- basename(filename)

或者，对路径进行硬编码，并将数据读入R。

# Read CSV into R
MyData <- read.csv(file="c:/your_path_here/Data.csv", header=TRUE, sep=",")