如何在R中导入含千分位逗号的CSV数值并避免转为因子类型

你遇到的问题由两个原因共同导致：

1. 数值中的千分位逗号属于非数字字符，R读入时会将该列判定为字符串类型，老旧版本的read.csv默认开启stringsAsFactors = TRUE，会自动将字符串转换为因子类型。
2. 直接对因子类型执行as.numeric()操作时，R返回的是因子水平的整数编码，而非原本的数值内容，因此会出现数据失真。

方法1：读入阶段直接完成格式识别（推荐） #

使用tidyverse生态的readr包的read_csv()函数，直接指定千分位分隔符即可一步读取为数值类型：

# 首次使用先执行安装 install.packages("readr")
library(readr)
# 指定千分位标记为逗号，读入时自动识别为数值
my_file <- read_csv("old_file.csv", locale = locale(grouping_mark = ","))

该方法无需后续额外处理，所有带千分位逗号的数值会直接被解析为数值类型。

方法2：基础R实现（无需安装第三方包） #

读入时先关闭字符串自动转因子的设置，之后批量删除千分位逗号再转换为数值即可：

# 读入时保留字符串格式，不转因子
my_file <- read.csv("old_file.csv", stringsAsFactors = FALSE)

# 单个列转换示例
my_file$var_1 <- as.numeric(gsub(",", "", my_file$var_1))

# 多列批量转换示例
# 将需要转换为数值的列名填入下方向量
num_cols <- c("var_1", "var_2", "工资", "体重")
my_file[num_cols] <- lapply(my_file[num_cols], function(x) as.numeric(gsub(",", "", x)))

• 优先使用readr::read_csv()替代基础R的read.csv()，该系列函数默认不会将字符串转换为因子，同时支持自定义数值格式规则，适配不同地区的Excel导出CSV格式，无需提前修改源文件。
• 若坚持使用基础R读入函数，每次调用read.csv()时默认添加stringsAsFactors = FALSE参数，避免字符串自动转因子，从根源避免因子转数值的失真问题。

内容的提问来源于stack exchange，提问作者stats_noob