1 中文乱码问题

• 在Rstudio中，用 Import Dataset 导入，选择from Excel，利用readxl包导入excel 文件。
• 若Excel导入出现乱码，转换成 csv 尝试。将Excel文件另存为 csv 文件，csv文件的存放路径避免中文字符。在Rstudio中，用 Import Dataset 导入，选择from text(readr)，导入 csv 文件。

• 若选中csv文件后显示乱码，尝试在Import Options中按Locale-Configure-Encoding-Other路径，键入GBK解决，或直接在代码中修改编码方式。

  guess_encoding("example.csv")
  df <- read_csv("~/input/example.csv", locale = locale(encoding = "GBK"))

• 若仍显示乱码，尝试将 csv 文件用 windows 记事本打开，重新另存为，此时可选择编码方式为utf-8，将另存后的 csv 文件按以上方式重新导入。

• 若csv文件中的字符串包含逗号时, 为避免逗号分隔符识别错位，使用read_csv(x, quote = “‘“)。

• R数据导出csv 文件时，为避免中文乱码，选择write_excle_csv而非write_csv。

  df %>% write_excel_csv("output/example.csv")

• R数据导出 excel 文件时，可使用 openxlxs 包设定导出风格。

2 类型转换错误：no trailing characters

• readr导入数据时会自动转换类型，出现类型转换错误时，用problems 查找问题列，针对性修改 col_types

  df <- read_csv("example.csv")
  # 出现no trailing characters问题时，查找存在类型转换错误的列
  problems(df) %>% select(col) %>% distinct()
  # 例如y列类型转换错误(如前 1000 列均为na值)，自动转化为col_logical()，可尝试调整为col_character()
  或其他类型再次尝试导入
  df <- read_csv(
  "example.csv", 
  col_types = cols(
    x = col_double(),
    y = col_character(),
    z = col_skip()
    )
  )

• 将类型先统一转换成character后，再进行类型转换

  df <- read_csv("example.csv",
               col_types = cols(.default = col_character())
              ) %>% type_convert()

• 利用data.table::fread读取数据(不自动转换类型)，再转化成 tibble 格式

  df <- fread("example.csv") %>% as.tibble()

3 导入建议

为避免类型转换错误、减少不必要的列导入，建议导入时修改col_types参数。

# 查看readr默认列类型,将cols_condense(df_spec)的列类型复杂到col_types中修改，col_skip()表明需舍弃的字段
spec_csv("example.csv") %>% cols_condense()
df <- read_csv(
  "example.csv", 
  col_types = cols(
    x = col_double(),
    y = col_character(),
    z = col_skip()
    )
  )
# 最佳建议
# --------------------
# 若显示字段不完整，可以尝试以下方式获得完整列类型
spec_csv("example.csv") %>% str()
# col_only仅保留申明的变量，舍弃其他变量
df <- read_csv(
  "example.csv", 
  col_types = cols_only(
    x = col_double(),
    y = col_character()
    )
  )