将CSV数据集导入R后，值变成了因子

Question

我对R非常陌生，无法访问我导入的数据集。 我正在使用RStudio，并在导入csv文件时使用了“导入数据集”功能，然后将控制台窗口中的行粘贴到源窗口中。 代码如下：

setwd("c:/kalle/R")
stuckey <- read.csv("C:/kalle/R/stuckey.csv")
point <- stuckey$PTS
time <- stuckey$MP

然而，数据不是我习惯的整数或数字，而是因子，因此当我尝试绘制变量时，只会得到直方图，而不是通常的图。在检查数据时，它似乎是有序的，只是因为它是以因子形式出现，所以我无法使用它。

- Joe

---

正如Hong Ooi所提到的，你可能在不应该有的地方有非数字值。尝试查看数据（例如使用View(stuckey)）以查看问题出在哪里。 - Richie Cotton

嗨，我有一个大文件，大小为54000 * 200维度数据，以csv格式编写。我已经在Java文件中读取了数据，并在转换为Double时没有遇到任何异常。但是，在R中读取时，我遇到了同样的问题。我尝试了这里发布的方法，但是没有成功。附言：我是R的新手。 - Rudra Murthy

Answer 1

数据导入函数（这里是： read.csv()）和全局选项都可以提供stringsAsFactors=FALSE，这应该可以解决此问题。

- Dirk Eddelbuettel

---

我认为 stringsAsFactors 在这种情况下并不能帮助，它只控制将字符转换为因子的过程。它不会影响 read.csv 导入列的数值型或字符型状态，而这才是潜在的问题所在。 - Hong Ooi

此外，stringAsFactor = FALSE 通常会强制将格式转换为字符类型，这恰恰与此处需要实现的相反。 - gented

我不推荐这个解决方案，因为它只是将其转换为字符，完全没有意义。 - ABCD

最好通过 options('stringsAsFactors'=FALSE) 在全局范围内设置合理的默认值，这样你就不会忘记。 - smci

你和我都不知道这个问题没有数据集是真实可验证的，所以如果你基于这个原因给它投了反对票，那么你做错了。无论如何，我不明白为什么人们会对一个八年前的答案如此激动。我们已经无数次讨论过数据的读取，有时甚至使用 mcve 进行讨论。如果没有数据集，我们所做的一切都只是猜测。 - Dirk Eddelbuettel

Answer 2

默认情况下，read.csv会检查数据的前几行，以确定是否将每个变量视为数值型。如果它发现非数值型的值，就会将该变量视为字符数据，并将字符变量转换为因子。

看起来你的数据集中PTS和MP变量包含非数值型数据，这就是你得到意外结果的原因。你可以使用以下代码将这些变量强制转换为数值型：

point <- as.numeric(as.character(point))
time <- as.numeric(as.character(time))

但是任何无法转换的值都将变为缺失值。(R FAQ提供了一种略有不同的因子到数值的转换方法，但我经常记不住它是什么。)

但是任何无法转换的值都将变为缺失值。(R FAQ提供了一种略有不同的因子到数值的转换方法，但我经常记不住它是什么。)

- Hong Ooi

---

请参见此处的factor2numeric: http://4dpiecharts.com/2011/01/10/really-useful-bits-of-code-that-are-missing-from-r/ - Richie Cotton

是的。这应该被接受。另一个答案没有进行任何适当的转换。 - ABCD

Answer 3

你可以通过设置 options(stringsAsFactors=F) 来全局为所有的read.csv/read.* 命令设置不将字符串作为因子（即不将字符串转换为分类变量）。

然后按如下方式读取文件： my.tab <- read.table( "filename.csv", as.is=T )

- Sam

---

注意大小写：应该使用'stringsAsFactors'而不是'StringsAsFactors'。 - artdv

或者您可以简单地向函数添加选项：my.tab <- read.table("filename.csv", stringsAsFactors=F)。 - user890739

我喜欢options方法，因为它可以与其他读取方法（如read_rds）一起使用。 - done_merson

我会删除所有关于 read.delim() 的提及，因为它只是 read.csv(... sep = "\t") 的一个薄包装器。否则，这个答案是这个问题中最好的答案。而且 OP 特别使用了 read.csv()（它也只是 read.table(... sep=',') 的一个薄包装器）。 - smci

Answer 4

导入csv数据文件时，导入命令应反映每个列之间的数据分隔符（;）和数值变量的浮点数分隔符（例如，对于数字变量=2.5，这将是“，”）。

因此，导入csv的命令必须更加全面，具有更多的命令：

    stuckey <- read.csv2("C:/kalle/R/stuckey.csv", header=TRUE, sep=";", dec=",")

这应该导入所有变量为整数或数字。

- Daniel

Answer 5

这些答案都没有提到colClasses参数，这是在read.csv中指定变量类别的另一种方法。

 stuckey <- read.csv("C:/kalle/R/stuckey.csv", colClasses = "numeric") # all variables to numeric

或者您可以指定要转换的列：

stuckey <- read.csv("C:/kalle/R/stuckey.csv", colClasses = c("PTS" = "numeric", "MP" = "numeric") # specific columns to numeric

注意，如果一个变量无法转换为数字，则默认将其转换为因子(factor)，这使得它更难以转换为数字。因此，建议仅将所有变量读入为'character'colClasses = "character"，然后在读入csv之后将具体列转换为数字：

stuckey <- read.csv("C:/kalle/R/stuckey.csv", colClasses = "character")
point <- as.numeric(stuckey$PTS)
time <- as.numeric(stuckey$MP)

- Braide

Answer 6

我也是R的新手，之前遇到了同样的问题。但是后来我查看了数据，发现这是由于我的csv文件在所有数字列中使用逗号分隔符(例如：1,233,444.56而非1233444.56)导致的。

我在csv文件中去掉了逗号分隔符，然后重新载入到R中。现在我的数据框将所有列都识别为数字。

我相信有一种方法可以在read.csv函数内部处理这个问题。

- Rishal

Answer 7

在read.csv命令中包含strip.white = TRUE时，这对我起作用。

（我在这里找到了解决方案。）

- Helen

Answer 8

对我来说，解决方案是包括 skip = 0（在文件顶部跳过的行数。可以设置> 0）

mydata <- read.csv(file = "file.csv", header = TRUE, sep = ",", skip = 22)

- Tymo