如何将单个字符列拆分为多列并同步转换为数值类型？

问题根源 #

你遇到的报错核心是两个问题：

1. 误用了逗号分隔专用的read_csv()读取空格分隔的文本文件，导致所有数据被读入单列
2. separate()的分隔符参数仅设置了单个空格，无法匹配数据中多个连续的空白分隔符，会识别出大量空列导致拆分异常。

可行解决方案 #

方案1：读取阶段直接正确解析（优先推荐，效率更高）

直接使用适配空白分隔的读取函数，不需要后续拆分：

# 方法1：使用read_table，默认匹配任意数量空白作为分隔符
library(readr)
r_dat <- read_table(
  file = ff, 
  skip = 5,  # 保留你原来的跳过前5行需求
  col_names = paste0("X", 1:11)  # 直接指定11个列名
)

如果读取仍有异常，可以显式指定分隔符为「一个或多个空白字符」：

r_dat <- read_delim(
  file = ff,
  skip = 5,
  delim = "\\s+",
  col_names = paste0("X", 1:11)
)

方案2：对已读取的单列数据做拆分

如果已经读完数据不想重新读取，可以调整separate()的参数正确拆分：

library(dplyr)
library(tidyr)

r_dat_new <- r_dat %>%
  rename(raw_text = 1) %>%  # 重命名原始列方便操作
  mutate(raw_text = trimws(raw_text)) %>%  # 去掉每行首尾的多余空白
  separate(
    col = raw_text,
    into = paste0("X", 1:11),
    sep = "\\s+",  # 匹配任意数量的连续空白作为分隔符
    convert = TRUE,  # 自动将数值列转为数值类型，不需要手动转换
    extra = "drop",  # 如果有多余内容直接丢弃，避免警告
    fill = "right"  # 如果有行缺列用NA补齐
  )

补充说明 #

如果运行后还有列数不匹配的警告，可以先抽几行异常行验证是否确实存在不符合11列规则的脏数据，针对性过滤后再做拆分即可。

内容的提问来源于stack exchange，提问作者user3231352