使用R语言移除CSV导入数据千位分隔空格失败求助

问题详情 #

从CSV导入的数据中，V8列前10条数据如下：

print(donnees_ventes3$V8[1:10])
 [1] "0,00000"     "0,00000"     "0,00000"     "0,00000"     "0,00000"     "0,00000"     "4,22476"     "0,00000"     "1 086,16998" "0,00000"

已成功将逗号替换为小数点，但千位与百位间的空格无法通过常规方法移除。尝试过的操作包括：

gsub(" ", "", donnees_ventes3$V8)
gsub(" ", "\\\\", donnees_ventes3$V8)
gsub("\\ ", "\\\\", donnees_ventes3$V8)
gsub("\\ ", "", donnees_ventes3$V8)
gsub("\\  ", "\\\\", donnees_ventes3$V8) # 曾以为是两个空格

以及stringr包的替换方法：

str_replace_all(donnees_ventes3$V8,” “, “”)

自行创建测试向量：

exemple <- c("0,00000", "0,00000", "0,00000", "0,00000", "0,00000", "0,00000", "4,22476", "0,00000", "1 086,16998", "0,00000")

使用gsub(" ", "", exemple)可成功将第9个数据改为"1086,16998"，说明问题出在CSV导入环节的空格格式上。导入代码为：

read.csv("csv path", encoding="UTF-8", header=FALSE)

解决方案 #

1. 匹配所有空白字符 #

CSV中的千位分隔符可能不是普通半角空格，而是全角空格、非断空格（NBSP，Unicode U+00A0）等特殊空白字符。用正则匹配所有空白类字符即可替换：

# 替换所有空白字符
donnees_ventes3$V8 <- gsub("\\s", "", donnees_ventes3$V8)

# 若确定是NBSP，直接指定编码替换
donnees_ventes3$V8 <- gsub("\u00A0", "", donnees_ventes3$V8)

2. 导入时直接处理数字格式 #

无需事后替换，导入时直接指定小数分隔符和千位分隔符，将列转为数值型：

donnees_ventes3 <- read.csv(
  "csv path",
  encoding="UTF-8",
  header=FALSE,
  dec = ",",  # 指定小数分隔符为逗号
  thousands = " "  # 指定千位分隔符为空格
)

此方法导入后V8列直接为数值类型，省去后续格式处理步骤。

3. 排查空白字符类型 #

若不确定空格类型，可查看其Unicode编码确认：

# 提取含问题空格的元素
problem_str <- donnees_ventes3$V8[9]
# 输出每个字符的Unicode编码
utf8ToInt(problem_str)

根据输出编码对应替换即可（如编码160对应NBSP）。

内容的提问来源于stack exchange，提问作者Felixbacon