正確地讀出（阿爾法）的數值字段爲R

Question

製表符分隔的文本文件，它實際上是（使用BCP）一個數據庫表中的一個出口，是形式的（前5分列）：

102 1 01 e113c 3224.96  12 
102 1 01 e185 101127.25 12 
102 2 01 e185 176417.90 12 
102A 3 01 e185 26261.03 12 

我試圖像

data <- read.delim("C:\\test.txt", header = FALSE, sep = "\t") 

的問題是，在第三列這實際上是一個varchar字段（字母數字）被錯誤地讀取爲整數（因爲有在整個列中沒有字母）的命令將其導入作爲R前導零點消失。當我使用odbcConnect直接從數據庫導入數據時，發生了同樣的情況。該列再次被讀爲整數。

str(data) 
$ code: int 1 1 1 1 1 1 6 1 1 8 ... 

如何導入這樣的數據集R中正確，以便能夠安全地重新填充該數據庫表，做了一些數據操作之後？

編輯

我沒有將它添加在read.delim

colClasses = c("factor","integer","factor","factor","numeric","character","factor","factor","factor","factor","integer","character","factor") 

• 以下參數，你會建議爲VARCHAR領域 「字符」 或 「因素」？

• 可以使用「字符」日期時間的人嗎？

• 我應該怎麼做才能夠讀取像這樣的540912.68999999994這樣的數字字段，而不是540912.69？

我想一個-as自動爲possible-創造，colClasses載體，這取決於在相關表格的架構中定義的數據類型。

Answer 1

你會爲varchar字段提供「字符」還是「因子」？

正如約翰所說，這取決於用法。在兩者之間切換很簡單，所以不要太擔心。如果該列表示分類變量，則最終應將其視爲factor。如果您打算挖掘文本（例如註釋字段），那麼character更有意義。

可以使用日期時間字符嗎？

它的罰款用於存儲在數據幀的日期，但如果你希望他們正確地進行分析的目的來處理，你必須把它轉換爲Date或POSIXct/POSIXlt形式。

我應該怎麼做才能夠像這樣讀取一個像這樣的540912.68999999994這樣的數字字段而不是540912.69？

將值讀入通常的雙精度（約15 sig figs）;在這個特定的例子中，540912.69是你能達到的最好的精度。比較

print(540912.68999999994)    # 540912.7 
print(540912.68999999994, digits=22) # 540912.69 
print(540912.6899999994)    # 540912.7 
print(540912.6899999994, digits=22) # 540912.6899999994 

---

編輯：如果您需要更精確的爲你的號碼，使用Rmpfr包。

---

我想一個-as自動爲possible-創造條件，colClasses向量，這取決於在相關表格的架構中定義的數據類型。

colClasses（當你沒有指定它時）的默認值在猜測列應該是什麼時做得很好。如果你正在使用01作爲角色，那麼就沒有辦法明確指定它。

Answer 2

性格和因素問題是唯一可以回答的問題。這取決於您是否需要稍後將它們用作因素或字符。這也取決於你是否需要在之後清理它們。例如，如果您打算在事後對某個因素應用一些ifelse（）修改，那麼現在就可以將其作爲字符讀入，並在稍後將其轉化爲一個因子。或者，如果您想以某種方式特定編碼因子，您可能會更好地閱讀它。

另一方面，您使用read.delim over read.table的原因是因爲默認設置，因此不要打擾將sep設置爲默認設置。