R中的read.table和注释

Question

我想将元数据添加到我的电子表格作为评论,然后R忽略这些.

我的数据是形式的

v1,v2,v3,
1,5,7,
4,2,1,#possible error,

(它的例外情况要长得多.第一条评论实际上显示在前5行之外,用于scan确定列数)

我一直在努力:

read.table("data.name",header=TRUE,sep=",",stringsAsFactors=FALSE,comment.char="#")

但是read.table(并且,就此而言count.fields)认为我还有一个比我实际做的更多的领域.我的数据框最后是一个名为"X"的空白列.我认为这是因为我的电子表格程序在每行的末尾都添加了逗号(如上例所示).

使用flush=TRUE没有效果,即使(根据帮助文件)它"[...]允许在最后一个字段后面添加注释[...]"

使用colClasses=c(rep(NA,3),NULL)也没有效果.

我之后可以删除该列,但由于这似乎是一种常见的做法,我想学习如何正确地做到这一点.

谢谢,

安德鲁

Answer 1

来自doc(?read.table):

colClasses字符.要为列假定的类向量.根据需要进行回收,或者如果命名了字符向量,则未指定的值将被视为NA.

可能的值是NA(默认情况下,使用type.convert时),"NULL"(跳过列时),原子矢量类之一(逻辑,整数,数字,复数,字符,原始)或"因子" ","日期"或"POSIXct".否则,需要有一个as方法(来自包方法),用于从"character"转换为指定的正式类.

注意它说使用"NULL",而不是NULL.实际上,这可以按预期工作:

con <- textConnection("
v1,v2,v3,
1,5,7,
4,2,1,#possible error,
")

read.table(con, header = TRUE, sep = ",",
           stringsAsFactors = FALSE, comment.char = "#",
           colClasses = c(rep(NA, 3), "NULL"))
#   v1 v2 v3
# 1  1  5  7
# 2  4  2  1

Answer 2

您关于注释字符和数据列数的问题与 read.table() 无关，但与您的电子表格无关（我使用的是 Excel）。read.table 的默认行为是将 # 视为注释的开头并忽略后面的内容。您收到错误的原因是数据行末尾有一个尾随逗号。这告诉 read.table 应该有更多数据。阅读你原来的例子：

> read.table(text="v1, v2, v3,
+  1,5,7,
+  4,2,1,#possible error,", sep=",", header=TRUE)
  v1 v2 v3  X
1  1  5  7 NA
2  4  2  1 NA

默认情况下会忽略注释，并创建第四列并标记为 X。您可以在事后轻松删除此列或使用 @flodel 提到的方法，或者您可以在将文件读入 R 之前删除尾随逗号。在 Excel 中，将文件另存为 csv（逗号分隔变量）时会添加尾随逗号，因为注释出现在第四列中，而 Excel 不会将其识别为注释。如果将文件保存为以空格分隔的文件，问题就会消失（删除 sep= 参数，因为空格是默认分隔符）：

> read.table(text="v1 v2 v3 
+    1 5 7 
+    4 2 1#possible error", header=TRUE)
  v1 v2 v3
1  1  5  7
2  4  2  1