将数据读入 R

Question

我正在尝试将 msigdb 数据库中的数据读取到我的 R 环境中，但是我无法将其读取为我想要的格式。现在，当我读取其中的数据时，它被读取为“整数”类型，我希望它作为“字符”类型或任何其他类型读取，这样当我在数据帧/矩阵之间传输数据时，我不会得到整数值为项目而不是组成项目名称的书面字母。

df<-read.table("msigdb.v5.2.symbols.txt", fill = TRUE)

这是我目前拥有的，但就像我说的那样，当我做 typeof(df[1,1]) 时，我得到了 "integer"。

总结一下： 在读取包含应为字符的列的数据后，当前行为是：typeof(df[1,1)] 生成 "integer"。期望的行为是：typeof(df[1,1]] 产生 "character"

可重现的例子：

library(dplyr)
write.table(band_instruments, "test.txt")
df <- read.table("test.txt", header = TRUE)
typeof(df[1,1])
# [1] "integer"

谢谢！

Answer 1

df<-read.table("msigdb.v5.2.symbols.txt", fill = TRUE, stringsAsFactors = FALSE)

默认情况下，read.table 将所有列读取为character，除非在colClasses* 中另有指定，并且read.table 和data.frame 将字符转换为因子。当您提取一个因子的单个单元格时，它将显示为内部整数代码。

在对read.table 的调用中设置stringsAsFactors = FALSE 可以解决此问题。

*尽管有下面的评论，但这是真的。 read.table 首先将所有列作为字符读取，然后转换它们。这是在文档中，您可以从源代码中看到它。您可以使用以下代码确认这一点：

write.table(mtcars, "mtcars.txt")
read.table("mtcars.txt", header = TRUE, quote = ".")
# Fails because it reads the decimals in the numeric data as quotes
# From the documentation: Quoting is only considered for columns read
# as character, which is all of them unless colClasses is specified