R语言调用distinct()函数报错‘Must use existing variables’的问题求助

问题根源 #

你读取的correspondence-data-1585.csv文件内容异常：列名显示为@@ -0、0 +1、115 @@，这是Git版本差异（diff）的标记，说明你拿到的不是原始CSV数据文件，而是diff补丁文件。同时，当前读取逻辑把本该作为列名的第一行（writer、source、destination、date）当成了数据行，导致列名完全错误，最终触发distinct()的变量找不到错误。

解决步骤 #

• 确认文件有效性
  先检查data/correspondence-data-1585.csv的内容，确保它是标准CSV格式，开头行是正确列名，无diff标记。如果是diff文件，需获取原始的CSV数据文件。

• 正确读取CSV
  如果文件是正常CSV但读取时未识别列名，调整read_csv参数：

  # 强制将第一行设为列名（默认就是TRUE，但若文件有异常可显式声明）
  letters <- read_csv("data/correspondence-data-1585.csv", col_names = TRUE)
  

  若文件开头有多余的diff标记行，跳过这些行后读取：

  # 示例：跳过前3行，用第4行作为列名（根据实际多余行数调整skip值）
  letters <- read_csv("data/correspondence-data-1585.csv", skip = 3, col_names = TRUE)
  

• 验证读取结果
  执行head(letters)查看前几行，确认列名是writer、source、destination、date，此时再调用distinct(letters, writer)即可正常获取唯一作者值。

内容的提问来源于stack exchange，提问作者Erkki Liski