read_csv2读取数据时sum()结果异常，如何修正？

问题背景 #

使用read_csv2读取Excel导出的分号分隔CSV文件，数据包含product和value（原描述为count）两列，value列值为整数或NA。出现以下问题：

• 小于1000的整数被解析为带.000的格式（如15变为15.000）
• 单个值运算正常（如data$value[[15]]返回15，相加结果正确）
• 但sum(data$value)结果偏差极大（返回约700万，实际应为约14万）

当前读取代码：

data = read_csv2('data.csv', col_types = c('c','n'), col_names = c('product','value'), skip = 1)%>% arrange(product)

已尝试将col_type从'n'改为'i'，以及执行data$value = round(data$value)，均无效。

问题原因 #

read_csv2是为欧洲地区格式设计的读取函数，默认参数为：

• 分隔符：分号（sep = ";"）
• 小数点：逗号（decimal = ","）
• 千分位分隔符：点（big.mark = "."）

而你从Excel导出的CSV文件使用点作为小数点（如15.000），这导致read_csv2错误地将点识别为千分位分隔符，把15.000解析成了15000——这就是sum结果严重偏大的核心原因。之前的修改（改列类型、round）都没有修正解析阶段的格式错误，所以无效。

解决方案 #

读取时显式指定decimal = "."，告诉read_csv2小数点是点，而非逗号：

方案1：直接指定列类型为整数 #

data = read_csv2('data.csv', 
                 col_types = cols(
                   product = col_character(),
                   value = col_integer()
                 ), 
                 col_names = c('product','value'), 
                 skip = 1,
                 decimal = ".") %>% 
  arrange(product)

方案2：先读取为数值型再转整数（适合含NA的场景） #

data = read_csv2('data.csv', 
                 col_types = c('c','d'), 
                 col_names = c('product','value'), 
                 skip = 1,
                 decimal = ".") %>% 
  mutate(value = as.integer(value)) %>%
  arrange(product)

验证方法 #

读取后检查value列的数值：

head(data$value)
sum(data$value)

确认小整数被正确解析为原数值（如15而非15000），sum结果即可恢复正常。

内容的提问来源于stack exchange，提问作者Théodore Targerian