R中的Sqldf - 第一列名称错误

Question

每当我使用 read.csv.sql 时，我都无法从第一列中 select 并且代码的任何输出都会在第一列的开头放置一个不寻常的字符 (A(tilde)-..)列的名称。

所以假设我在 Excel 中创建了一个 df.csv 文件，看起来像这样

df = data.frame(
  a = 1, 
  b = 2, 
  c = 3, 
  d = 4)

然后，如果我使用 sqldf 查询工作目录中的 csv，我会收到以下错误：

> read.csv.sql("df.csv", sql = "select * from file where a == 1")
Error in result_create(conn@ptr, statement) : no such column: a

如果我查询与第一列不同的列，我会得到一个结果，但会输出异常字符，如下所示

df <- read.csv.sql("df.csv", sql = "select * from file where b == 2")
View(df)

知道如何防止将这些字符添加到第一列名称吗？

Answer 1

问题可能是您有一个大于 R 可以处理的文件，因此只想将行的子集读入 R 并指定过滤它的条件涉及引用名称为的第一列搞砸了，所以你不能使用它。

这里有两种替代方法。第一个涉及更多代码，但优点是它是 100% R。第二个只有一个语句，也使用 R，但另外使用外部实用程序。

1) skip header 跳过文件头读取文件。这将导致列被标记为 V1、V2 等，并在条件中使用 V1。

# write out a test file - BOD is a data frame that comes with R
write.csv(BOD, "BOD.csv", row.names = FALSE, quote = FALSE)

# read file skipping over header
DF <- read.csv.sql("BOD.csv", "select * from file where V1 < 3", 
  skip = 1, header = FALSE)

# read in header, assign it to DF and fix first column
hdr <- read.csv.sql("BOD.csv", "select * from file limit 0")
names(DF) <- names(hdr)
names(DF)[1] <- "TIME"  # suppose we want TIME instead of Time

DF
##   TIME demand
## 1    1    8.3
## 2    2   10.3

2) filter 另一种方法是使用 filter= 参数。这里我们假设我们知道列名的末尾是 ime 但在此之前还有其他我们不知道的字符。这假设 sed 可用并且在您的路径上。如果您在 Windows，请安装 Rtools 以获得 sed。引用可能需要根据您的 shell 进行更改。

在 Windows 上尝试此操作时，我注意到 Rtools 中的 sed 更改了行尾，因此在下面我们指定了 eol= 以确保正确处理。你可能不需要那个。

DF <- read.csv.sql("BOD.csv", "select * from file where TIME < 3", 
  filter = 'sed -e "1s/.*ime,/TIME,/"' , eol = "\n")
DF
##   TIME demand
## 1    1    8.3
## 2    2   10.3

Answer 2

所以我通过阅读上面的评论弄明白了。

我在 Windows 10 机器上使用 Excel for Office 365。通过将我保存文件的方式从 "CSV UTF-8 (Comma Delimited)" 更改为仅 "CSV (Comma delimited)".

R中的Sqldf - 第一列名称错误

Sqldf in R - error with first column names

sql

excel

r

sqldf