防止变量名被读取破坏。csv/read.table？

Prevent variable name getting mangled by read.csv/read.table?

我的数据集 testdata 有两个名为 PWGTP 和 AGEP

的变量

数据在 .csv 文件中。

当我这样做时：

> head(testdata)

变量显示为

    ï..PWGTP AGEP
          23   55
          26   56
          24   45
          22   51
          25   54
          23   35

因此，出于某种原因，R 将 PWGTP 读为 ï..PWGTP。没什么大不了的。

然而，当我使用某些函数引用变量 ï..PWGTP 时，我收到消息：

Error: id variables not found in data: ï..PWGTP

同样，当我使用一些函数来引用变量 PWGTP 时，我得到消息：

Error: id variables not found in data: PWGTP

2 个问题：

  1. 我应该对源文件做些什么来防止变量名的混乱PWGTP？

  2. 将 ï..PWGTP 重命名为其他名称应该是微不足道的——但是 R 无法找到这样命名的变量。您对如何尝试修复变量名有何想法？

文件中的列名可能是 1 PWGTP i.e.with 数字（或其他内容）与读入时导致 .. 的字符之间的空格R. 防止这种情况的一种方法是在 read.csv/read.table

中使用 check.names = FALSE 
d1 <- read.csv("yourfile.csv", header=TRUE, stringsAsFactors=FALSE, check.names=FALSE)

不过，名字最好不要以数字开头或中间有空格。

所以，假设，如果 OP 使用默认选项读取数据，即使用 check.names = TRUE，我们可以使用 sub 来更改列名 

names(d1) <- sub(".*\.+", "", names(d1))

举个例子

sub(".*\.+", "", "ï..PWGTP")
#[1] "PWGTP"

这是 BOM（字节顺序标记）UTF-8 问题。

为防止这种情况发生，有 2 个选项：

  1. 将您的文件保存为不带 BOM/签名的 UTF-8 -- 或 --
  2. 在使用read.table或read.csv时使用fileEncoding = "UTF-8-BOM"

示例：

mydata <- read.table(file = "myfile.txt", fileEncoding = "UTF-8-BOM")