使用read.csv读取葡萄酒数据集时str()输出格式异常的问题排查

你执行了以下R命令：

read_csv = read.csv('D:/winequality-white.csv', stringsAsFactors=FALSE)
str(read_csv)

得到的结果是所有数据被合并成了一个单列的data.frame：

'data.frame':   4898 obs. of  1 variable:
 $ fixed.acidity.volatile.acidity.citric.acid.residual.sugar.chlorides.free.sulfur.dioxide.total.sulfur.dioxide.density.pH.sulphates.alcohol.quality: chr  "7;0.27;0.36;20.7;0.045;45;170;1.001;3;0.45;8.8;6" "6.3;0.3;0.34;1.6;0.049;14;132;0.994;3.3;0.49;9.5;6" "8.1;0.28;0.4;6.9;0.05;30;97;0.9951;3.26;0.44;10.1;6" "7.2;0.23;0.32;8.5;0.058;47;186;0.9956;3.19;0.4;9.9;6" ...

但你期望得到多列结构的data.frame，示例如下：

'data.frame':   4 obs. of  4 variables:
 $ id    : int  10 11 12 13
 $ name  : chr  "sai" "ram" NA "sahithi"
 $ dob   : chr  "1990-10-02" "1981-03-24" "1987-06-14" "1985-08-16"
 $ gender: chr  "M" "" "F" "F"

问题根源 #

这个葡萄酒质量数据集的字段分隔符是分号(;)，但read.csv()函数默认使用逗号(,)作为分隔符，导致R把每一行的所有内容识别成了单个字段，最终所有列被合并成了一列。

解决办法 #

只需指定正确的分隔符即可，以下几种方式都能解决：

方式1：给read.csv添加sep参数 #

直接在read.csv里指定分隔符为分号：

read_csv = read.csv('D:/winequality-white.csv', stringsAsFactors=FALSE, sep = ";")
str(read_csv)

方式2：使用read.csv2函数 #

read.csv2是专门为使用分号作为分隔符的数据集设计的，默认分隔符就是;，直接用它读取即可：

read_csv = read.csv2('D:/winequality-white.csv', stringsAsFactors=FALSE)
str(read_csv)

方式3：使用read.delim指定分隔符 #

也可以用read.delim，手动指定分隔符为分号：

read_csv = read.delim('D:/winequality-white.csv', stringsAsFactors=FALSE, sep = ";")
str(read_csv)

执行任意一种方式后，你就能得到符合预期的多列data.frame结构。

内容的提问来源于stack exchange，提问作者annd