R读入数据之read.table函数

写在最前：

• read.table()函数适合读入文本文件储存的表格数据(*.txt *.csv *.xls等)
• 看完解决90%读数据的问题：
  1.正常输入
  2.中文字符
  3.表头问题
  4.elements数不足
  5.缺失值

1.首先看一下正常的输入文件，需要重点关注

• 是否含有表头

• 表格的分隔符是什么

  

  一个普通的输入文件

df <- read.table(file = "grade.txt",

                sep = "/t",

                header = T)
> df
   name Chinese Math English
1 zhang      98   78      56
2  Wang      78   27      88
3  Ming      84   29      45
4   Bai     100   93      75

  经过read.table()函数选择文件、设置分隔符、选择包含表头的操作，在R中得到了一个"正常"的数据框。

2.中文字符

  如果输入文件内容中含有中文，则会变成乱码

输入中含有中文

df <- read.table(file = "成绩.txt",
                 sep = "/t",
                 header = T)
> df
  濮撳悕 璇.枃 鏁板. 鑻辫.
1 鑰佸紶    98    78    56
2 鑰佺帇    78    27    88
3 灏忔槑    84    29    45
4 灏忕櫧   100    93    75

  更改参数fileEncoding设置为“UTF-8”编码可以完美解决

df <- read.table(file = "成绩.txt",
                sep = "/t",
                header = T,
                fileEncoding = "UTF-8")
> df
  姓名 语文 数学 英语
1 老张   98   78   56
2 老王   78   27   88
3 小明   84   29   45
4 小白  100   93   75

3.表头问题

  如果表头设置错了(明明有表头，读入的时候选择了没有)，就会变成这样：

df <- read.table(file = "grade.txt",
                sep = "/t",
                header = F)
> df
     V1      V2   V3      V4
1  name Chinese Math English
2 zhang      98   78      56
3  Wang      78   27      88
4  Ming      84   29      45
5   Bai     100   93      75

  可以看出read.table()输出的数据框会自动添加列名：V1、V2、V3···

  但如果很不幸，你的输入数据表头含有以下奇怪字符，像这样：

奇怪表头

df <- read.table(file = "grade.txt",
                 sep = "/t",
                 header = T)
> df
   name Chinese.1 Chinese.2 Chinese.3
1 zhang        98        78        56
2  Wang        78        27        88
3  Ming        84        29        45
4   Bai       100        93        75

  由于read.table函数会自动check列名，因此奇怪的列名会变得规范很多。但更规范的列名有可能和你的预期不一致，比如你就想保留这些奇怪的字符。

  将check.names参数设置为FALSE，把这个功能关掉

df <- read.table(file = "grade.txt",
                sep = "/t",
                header = T,
                check.names = F)
> df
   name Chinese-1 Chinese:2 Chinese@3
1 zhang        98        78        56
2  Wang        78        27        88
3  Ming        84        29        45
4   Bai       100        93        75

4.报错：某行elements数不足

  有时候文件看着没啥问题，却出现以下类似错误

元素数不足

原因1：有的内容含有＃

输入含有#

  由于read.table()函数会默认把#后面的字符识别为注释，使用comment.char = ""禁用该功能。

df <- read.table(file = "grade.txt",
                 sep = "/t",
                 header = T,
                 check.names = F,
                 comment.char = "")
> df
   name Chinese-1 Chinese:2 Chinese@3
1 zhang        98        78        56
2  Wang        78        27        88
3  Ming        84       29#        45
4   Bai       100        93        75

原因2：有的内容含有"

输入含有"

  read.table()函数会默认把双引号引起来的内容识别为一部分，使用quote = ""禁用该功能

df <- read.table(file = "grade.txt",
                 sep = "/t",
                 header = T,
                 check.names = F,
                 quote = "")
> df
   name Chinese-1 Chinese:2 Chinese@3
1 zhang        98        78        56
2  Wang        78        27        88
3  Ming       "84       "29       "45
4   Bai       100        93        75

5.缺失值

情况1：有些内容在记录时可能被空缺

内容空缺

> df
   name Chinese-1 Chinese:2 Chinese@3
1 zhang        98        78        56
2  Wang        78                  88
3  Ming       "84       "29       "45
4   Bai       100        93        75
> df[2,3]
[1] ""

  空缺值在R中会被记录为空字符串，可能不方便后续分析处理

情况2：某内容空缺，并被记录为NA

空缺值被记录为NA

df <- read.table(file = "grade.txt",
                 sep = "/t",
                 header = T,
                 check.names = F,
                 quote = "",
                 na.strings = "NA")
> df
   name Chinese-1 Chinese:2 Chinese@3
1 zhang        98        78        56
2  Wang        78              88
3  Ming       "84       "29       "45
4   Bai       100        93        75

  默认情况下，read.table()函数会将记录为"NA"的内容转化为NA

缺失值被记录na

  可以使用na.strings参数设置识别缺失值的内容

空缺值被记录为na

df <- read.table(file = "grade.txt",
                 sep = "/t",
                 header = T,
                 check.names = F,
                 quote = "",
                 na.strings = "na")
> df
   name Chinese-1 Chinese:2 Chinese@3
1 zhang        98        78        56
2  Wang        78        NA      
3  Ming       "84       "29       "45
4   Bai       100        93        75
> df[2,3]
[1] "NA"
> df[2,4]
[1] NA

  可以看到内容NA被正确读入，内容na被正确识别为NA。并且字符串NA和缺失值NA也可以被明显的区分出来。

上述关于read.table()函数的用法基本可以解决90%读入数据时遇到的问题，搞快用起来吧！