將某些colClasses設置爲整數時，read.table在發現引用字段值時發生抱怨

Question

我通過使用Lending Club的歷史貸款數據集來學習R。數據的代表性子集在這裏：https://gist.github.com/adetch/11b1c2b6eac0b6add23f

的命令問題：

problem <- read.csv("test.csv",na.strings=c("","<NA>"),colClasses=c("mths_since_last_major_derog"="integer")) 

我打的錯誤：

Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, : 
scan() expected 'an integer', got '""' 

我打了一個類似的問題，用下面的命令：

problem <- read.csv("test.csv",na.strings=c("","<NA>"),colClasses=c("id"="integer")) 

這種情況下的錯誤：

Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, : 
scan() expected 'an integer', got '"1077501"' 

所以它似乎/在我看來，

• R的integer類是用引號
• 和不兼容的可能，該na.strings轉換類的掃描和integer後運行檢查空字符串失敗。

然而，其他列包裹在""如member_id和loan_amnt得到鑄成integer無投訴（同時也沒有使用任何colClasses特殊干預！）。

貼近的問題：

• 我怎麼投這些領域（id，mths_since_last_major_derog）爲整數，而不是因子（注意有一些應該澆鑄成的因素衆多領域）

更重要的是：

• 哪裏是我的心智模式類，類的強制，read.table/read.csv等分解？

Answer 1

請勿使用colClasses。如果你真的需要強制，然後讀取它，然後use$id <- as.integer(problem$id)

但在這種情況下（您的test.csv）我認爲R是相當不錯的加載數據。

編輯

只是再次重申。想象一下，有3列一個簡單的數據表：

id,member_id,term 
1077501,1296599,36 months 
1077430,1314167,60 months 
1077175,1313524,36 months 
1076863,1277178,36 months 

如果通過

d <- read.csv("c:/temp/R/data.csv") 

加載數據，則R將盡最大努力來滿足數據類型。 如果你真的想先告訴它，使用colClasses;如果你這樣說

d <- read.csv("c:/temp/R/data.csv", colClasses = c("integer")) 

那麼它會嘗試使用類integer，每列，因爲它是重複的colClasses載體。

同樣的問題與

d <- read.csv("c:/temp/R/data.csv", colClasses = c("integer","character")) 

試圖加載第一列作爲colClasses[1]，即整數 - 確定。

試圖加載第二列爲colClasses[2]，即字符 - 確定。

嘗試加載第3列 - 因爲沒有colClasses[3]那麼回收colClasses並回到colClasses[1] - 這是行不通的（R犯規知道如何迫使'36個月的整數值）

EDIT2

後實際看數據集，問題是你的列不具有任何價值，並且只存儲""。 所以你需要添加""您na.string並且將這樣的伎倆： （即你需要躲避"，您的實際字符串將是"\"\""）

problem <- read.csv("c:/temp/R/test.csv",na.strings=c("\"\"","","<NA>"),colClasses=c("mths_since_last_major_derog"="integer"))