使用readxl导入数据集时列名出现\r\n\t特殊字符的原因及解决咨询

你遇到的\r\n\t是回车、换行、制表符这类不可见控制字符，是原始Excel文件的列名自带的，和SQL遗留或编码关系不大，且readxl目前已移除encoding参数，以下是几种直接有效的解决办法：

方法1：用janitor包自动清理所有列名 #

janitor包的clean_names()能自动去除特殊字符、转换为规范的小写蛇形命名，操作简单：

library(tidyverse)
library(readxl)
library(janitor)

df <- read_xlsx("Filepath/Diamond Datasheet.xlsx") %>%
  clean_names()

处理后第一列会变为country，年份列会转为x2010这类格式。

方法2：手动重命名目标列 #

若仅需修改第一列，直接用rename()指定新列名即可：

df <- read_xlsx("Filepath/Diamond Datasheet.xlsx") %>%
  rename(country = `\r\n\tCountry`)

注意原列名需放在反引号中，因为包含特殊字符。

方法3：导入时自定义列名 #

在read_xlsx()中通过col_names参数手动定义所有列名，跳过原始脏表头：

col_names <- c("country", 2010:2020)
df <- read_xlsx("Filepath/Diamond Datasheet.xlsx", col_names = col_names, skip = 1)

skip=1表示跳过原始表头行，使用自定义列名替代。

批量清理列名特殊字符（自定义逻辑） #

如果需要批量移除所有列名中的控制字符，可使用字符串处理函数：

library(stringr)

df <- read_xlsx("Filepath/Diamond Datasheet.xlsx")
names(df) <- str_replace_all(names(df), "[\\r\\n\\t]", "")

该代码会删除所有列名里的回车、换行、制表符。

内容的提问来源于stack exchange，提问作者Jay Bee