以固定列宽导入 R 时出现问题

Question

我正在尝试导入具有固定列宽的数据。第一个特殊字符出现后，每列的字符数发生变化。这可能是什么原因？ 文件： https://gist.github.com/1902r/0b596431e15bde833e9d9a0640e12ba7

library(readr)
columns_widths <- c(3, 8, 7)
source_data <- "data.rpt"
source_data_raw <- read_fwf(source_data, fwf_widths(columns_widths))

我尝试使用 fread() 读取数据。但没有任何论据支持固定列宽。我的字符串中有空格，所以这不起作用。

Answer 1

以下代码应该使用基本 R 中的

utils::read.fwf()

来解决您的问题。如果（未加引号的）字符串本身可以包含空格（例如“Jo hn”），您需要此解决方法。否则

data.table::fread()

不带任何参数应该没问题。

不应使用 UTF-8-BOM 编码（如果可能）。 请参阅 https://cran.r-project.org/doc/manuals/r-patched/R-data.pdf 和 https://en.wikipedia.org/wiki/Byte_order_mark

在

readr::read_fwf()

中，固定宽度文件中的列位置指的是字节，而不是字符（请参阅https://github.com/tidyverse/readr/issues/852）。因此，包含多字节字符的行被替换。

library(readr)
columns_widths <- c(3, 8, 7)
source_data <- "https://gist.githubusercontent.com/1902r/0b596431e15bde833e9d9a0640e12ba7/raw/215e50d1db79b4a7aeb3560680a55bba8c9f1503/data.rpt"
source_data_raw <- read_fwf(source_data, fwf_widths(columns_widths))
#> Rows: 4 Columns: 3
#> ── Column specification ────────────────────────────────────────────────────────
#> 
#> chr (3): X1, X2, X3
#> 
#> ℹ Use `spec()` to retrieve the full column specification for this data.
#> ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
source_data_raw
#> # A tibble: 4 × 3
#>   X1    X2     X3    
#>   <chr> <chr>  <chr> 
#> 1 ID    Name   Amount
#> 2 1     Jo hn  100   
#> 3 2     Bílušk a 450 
#> 4 3     Jane   200

## first read colnames from file
datar_names <- read.fwf(source_data,
  widths = columns_widths,
  n = 1, fileEncoding = "UTF-8-BOM",
  strip.white = TRUE
)

## read data using names from above
datar <- read.fwf(source_data,
  widths = columns_widths,
  skip = 1, col.names = datar_names,
  fileEncoding = "UTF-8-BOM",
  strip.white = TRUE
)
datar
#>   ID    Name Amount
#> 1  1   Jo hn    100
#> 2  2 Bíluška    450
#> 3  3    Jane    200
str(datar)
#> 'data.frame':    3 obs. of  3 variables:
#>  $ ID    : int  1 2 3
#>  $ Name  : chr  "Jo hn" "Bíluška" "Jane"
#>  $ Amount: int  100 450 200

^{创建于 2024-04-26，使用 reprex v2.1.0}