为何colSums(na.rm=T)在CSV导入数据中报错‘x必须是数值’？

问题原因 #

报错'x' must be numeric的核心原因是你导入的I_2011数据框里存在非数值类型的列（比如字符型、因子型），而colSums和rowSums只能处理纯数值型输入，遇到非数值列就会触发错误。

这种情况通常是因为CSV文件里的某些列：

• 包含非数值字符（比如特殊符号、文字注释），被read.csv自动识别成了字符/因子类型；
• 本身就是非数值列（比如日期列、站点名称列），被误包含在了求和范围内。

解决方法 #

1. 先排查数据类型 #

先确认哪些列是非数值型，运行以下代码：

# 查看整体数据结构
str(I_2011)
# 或单独输出每列的类型
sapply(I_2011, class)

2. 只对数值列计算求和 #

如果数据里有不需要参与求和的非数值列（比如日期、标识列），直接筛选数值列计算：

# 计算列和
colSums(I_2011[sapply(I_2011, is.numeric)], na.rm = TRUE)

# 修正你之前的dplyr行和代码
library(dplyr)
I_2011 %>% 
  mutate(avg = rowSums(select(., where(is.numeric)), na.rm = TRUE))

3. 导入时指定列类型（从根源避免问题） #

如果清楚CSV各列的类型，可以在导入时用colClasses参数强制指定，避免自动识别错误：

# 示例：假设第1列是日期（字符型），其余10列是数值型
I_2011 <- read.csv("2011_IMD.csv", check.names = FALSE, 
                   colClasses = c("character", rep("numeric", 10)))

根据你的实际CSV列数和类型调整colClasses的向量内容即可。

4. 转换可修复的非数值列 #

如果某些列本该是数值，但被识别成了字符型，可以批量转换：

library(dplyr)
# 将所有字符型列尝试转为数值型（无法转换的内容会变成NA）
I_2011 <- I_2011 %>% mutate_if(is.character, as.numeric)

# 之后再计算求和
colSums(I_2011, na.rm = TRUE)

内容的提问来源于stack exchange，提问作者CovetTachi