R将数字视为字符

Question

我正在尝试将一系列文本文件读入 R。这些文件具有相同的格式，至少看起来是相同的格式。一切都很好，除了一个文件。当我阅读该文件时，R 将所有数字视为字符。我用 as.numeric 转换回来，但数据值改变了。我还尝试将文本文件转换为 csv，然后读入 R，但它也不起作用。请问有人遇到过这样的问题吗？请问怎么修？谢谢！

数据来自人类死亡率数据库。由于版权问题，我无法在此处附加数据。但每个人都可以通过 HMD 注册并下载数据（www.mortality.org）。例如，我使用了澳大利亚和比利时的 1 比 1 曝光数据。

我的代码如下：

AUSe<-read.table("AUS.Exposures_1x1.txt",skip=1,header=TRUE)[,-5]
BELe<-read.table("BEL.Exposures_1x1.txt",skip=1,header=TRUE)[,-5]

然后我想在上面的数据框或矩阵中添加一些行。这适用于澳大利亚数据（例如，AUSe[1,3]+AUSe[2,3]）。但是将相同的命令应用于比利时数据时发生错误：BELe[1, 3] + BELe[2, 3] 中的错误：二进制运算符的非数字参数。但是，如果您查看文本文件，就会知道这是两个数字。很明显，R在读取文本文件的时候把数字当做字符处理，比较奇怪。

Answer 1

试试这个：

BELe<-read.table("BEL.Exposures_1x1.txt",skip=1, colClasses="numeric", header=TRUE)[,-5]

或者您当然可以只发布该文件的一小部分，并且至少在我的管辖范围内不会违反任何版权法（我认为这与人类死亡率数据库相同）。

Belgium, Exposure to risk (period 1x1)     Last modified: 04-Feb-2011, MPv5 (May07)

   Year      Age       Female          Male         Total
   1841        0        61006.15     62948.23    123954.38 
   1841        1        55072.53     56064.21    111136.73 
   1841        2        51480.76     52521.70    104002.46 
   1841        3        48750.57     49506.71     98257.28 
   ....         .        ....

所以我可能会建议更准确的 colClasses：

BELe<-read.table("BEL.Exposures_1x1.txt",skip=2,  #  really two lines to skip I think
                 colClasses=c(rep("integer", 2), rep("numeric",3)),
                 header=TRUE)[,-5]

我怀疑问题的发生是因为以下几行：

   1842      110+           0.00         0.00         0.00 

因此，您需要确定您对保留110+ 值有多大兴趣。使用我的方法，他们将被强制转换为NA's。 （好吧，我以为他们会这样，但和你一样，我遇到了一个错误。所以需要这个多步骤过程：

 BELe<-read.table("Exposures_1x1.txt",skip=2,
                  header=TRUE)
 BELe[ , 2:5] <- lapply(BELe[ , 2:5], as.character)
 str(BELe)
#-------------
'data.frame':   18759 obs. of  5 variables:
 $ Year  : int  1841 1841 1841 1841 1841 1841 1841 1841 1841 1841 ...
 $ Age   : chr  "0" "1" "2" "3" ...
 $ Female: chr  "61006.15" "55072.53" "51480.76" "48750.57" ...
 $ Male  : chr  "62948.23" "56064.21" "52521.70" "49506.71" ...
 $ Total : chr  "123954.38" "111136.73" "104002.46" "98257.28" ...
#-------------
 BELe[ , 2:5] <- lapply(BELe[ , 2:5], as.numeric)

#----------
Warning messages:
1: In lapply(BELe[, 2:5], as.numeric) : NAs introduced by coercion
2: In lapply(BELe[, 2:5], as.numeric) : NAs introduced by coercion
3: In lapply(BELe[, 2:5], as.numeric) : NAs introduced by coercion
4: In lapply(BELe[, 2:5], as.numeric) : NAs introduced by coercion
str(BELe)
#-----------
'data.frame':   18759 obs. of  5 variables:
 $ Year  : int  1841 1841 1841 1841 1841 1841 1841 1841 1841 1841 ...
 $ Age   : num  0 1 2 3 4 5 6 7 8 9 ...
 $ Female: num  61006 55073 51481 48751 47014 ...
 $ Male  : num  62948 56064 52522 49507 47862 ...
 $ Total : num  123954 111137 104002 98257 94876 ...
# and just to show that tey are not really integers:
 BELe$Total[1:5]
#[1] 123954.38 111136.73 104002.46  98257.28  94875.89

Answer 2

我通常阅读这些文件的方式是：

BELexp <- read.table("BEL.Exposures_1x1.txt", skip = 2, header = TRUE, na.strings = ".", as.is = TRUE)

请注意，比利时在第一次世界大战中丢失了 3 年可能永远无法恢复的数据，因此这三年都是 NA，在这些文件中标有字符串"."。因此参数na.strings = "."。由于"110+"，指定该参数将处理除Age 之外的所有列，这是字符（有意）。 HMD 这样做的原因是用户必须有意识地对待开放年龄组。您可以使用以下方法将年龄列转换为整数：

BELexp$Age <- as.integer(gsub("[+]", "", BELexp$Age))

由于此类问题长期以来一直是 R-HMD 用户的祸根，因此 HMD 最近在 github 上的一个小但不断增长的包中发布了一些 R 函数，称为（目前）DemogBerkeley。函数readHMD() 消除了上述所有令人头疼的问题：

library(devtools)
install_github("DemogBerkeley", subdir = "DemogBerkeley", username = "UCBdemography")

BELexp <- readHMD("BEL.Exposures_1x1.txt")

请注意，添加了一个名为OpenInterval 的新指标列，同时将 Age 转换为如上所述的整数。

Answer 3

你可以试试 read.csv(... stringsAsFactors=FALSE) 吗？