r - 当某些行包含逗号作为千位分隔符和“标志并且没有小数的行没有标志时如何读取R中的数据

Question

我在 R 中加载一个 csv（用逗号分隔），它有引号"包装每一行，其中包含一个带有小数值的列，并且特定值用双引号""包装，没有这个问题的行没有"包装

csv 文件如下所示：

YEAR,COUNTRY,VALUE_A,VALUE_B
2019,SPAIN, 2000, 300
"2019,SPAIN,""2000,54"",300"
"2014,SPAIN,""2003,223"",""125,057"""
2018,FRANCE,1900,280

标签： rfreadread.csvreadrcsv-import

Answer 1

那真是太棒了...我能想到的最好的方法就是将其作为文本阅读，然后gsub用于清除数千个标记和双引号。

# Read the csv as text, so we can run it through gsub
#
file_connection <- file("path_to_csv.csv")
text <- readLines(file_connection)
close(file_connection)

将 csv 的内容作为字符串读取后，我们可以处理文本“格式化”

# 1. Remove the comma as thousand mark
# There HAS to be a better way to do this regex but I couldn't remember
#
sanitized_mark <- gsub('(\\"\\"[0-9]+),([0-9]+\\"\\")', '\\1\\2', text)

# 2. Remove all double quotes
# 
sanitized_quotes <- gsub('\\"', '', sanitized_mark)

# Paste it all together adding a newline character after each element
#
sanitized <- paste0(sanitized_quotes, collapse="\n")

text可以使用参数读取生成的字符串，就好像它是 .csv 的内容一样

df <- read.csv(text=sanitized)