读取文本文件：read.table 与 read_table

Question

我正在将 this webpage 中的文本文件读取到 R 中。如果我使用 read.table 读取此数据，则数据会被正确解析，并且我会获得所有 12 个月的数据：

url <- "http://academic.udayton.edu/kissock/http/Weather/gsod95-current/OHCINCIN.txt"

temp_df1 <- read.table(url,
                       col.names = c("Month", "Day", "Year", "Avg_Temp"),
                       na = "-99")

head(temp_df1)
Month Day Year Avg_Temp
1     1   1 1995     41.1
2     1   2 1995     22.2
3     1   3 1995     22.8
4     1   4 1995     14.9
5     1   5 1995      9.5
6     1   6 1995     23.8

unique(temp_df1$Month)
[1]  1  2  3  4  5  6  7  8  9 10 11 12

但是，如果我用 read_table 读入这些数据，它首先会显示它被正确解析；然而，两位数的月份代码 (10, 11, 12) 被删除，因此只有第一个数字被解析。

temp_df2 <- read_table(url,
                       col_names = c("Month", "Day", "Year", "Avg_Temp"),
                       na = "-99")

head(temp_df2)
# A tibble: 6 × 4
  Month   Day  Year Avg_Temp
  <int> <int> <int>    <dbl>
1     1     1  1995     41.1
2     1     2  1995     22.2
3     1     3  1995     22.8
4     1     4  1995     14.9
5     1     5  1995      9.5
6     1     6  1995     23.8

unique(temp_df2$Month)
[1] 1 2 3 4 5 6 7 8 9

数据维度相同；但是，我不知道如何使用 read_table 导入数据以保留完整的 Month 编码。

dim(temp_df1)
[1] 7963    4

dim(temp_df2)
[1] 7963    4

Answer 1

由于 by LukeA 中提到的问题，

read_table 未按预期工作。相反，您应该使用 read_fwf 函数并指定字段长度以避免此问题。

temp_df2 <- read_fwf(url, 
    col_positions = fwf_widths(c(14, 14, 13, 4), col_names = c("Month", "Day", "Year", "Avg_Temp")))

请记住，对于 read_fwf，col_names 作为参数传递给 fwf_widths 而不是传递给 read_fwf 本身。

此外，使用 read_fwf 您甚至可以跳过一个步骤，并在阅读时将日期解析为 Date 对象：

temp_df2 <- read_fwf(url,
                  col_positions = fwf_widths(c(41, 4),
                                             col_names = c("date", "Avg_Temp")), 
                  col_types = cols(col_date("%m %d %Y"), col_number()))

读取文本文件：read.table 与 read_table

Reading text file: read.table versus read_table

import

r

read.table

readr

tidyverse