R语言使用read.csv读取非矩形CSV文件出现行异常拆分问题

• base R的read.csv()默认仅扫描文件前5行推断总列数，你使用的这类CSV前几行列数偏短，因此被判定为只有28列，后续列数超出28的行会被强制拆分为多行，本质不是文件存在异常换行，是函数默认推断逻辑的问题。如果之前显式定义列名仍出现拆分问题，大概率是你定义的列名长度小于文件实际最大列数。

方案1：使用base R原生函数实现 #

先读取所有行的字段数计算最大列数，再按最大列数读取即可避免拆分：

# 先计算全文件的最大字段数
max_col <- max(count.fields("你的文件路径.csv", sep = ",", quote = "\""))
# 生成对应长度的默认列名
col_names <- paste0("V", 1:max_col)
# 按最大列数读取，自动填充NA
df <- read.csv("你的文件路径.csv", header = F, col.names = col_names, fill = T, stringsAsFactors = F)

方案2：使用readr包简化操作 #

readr::read_csv()默认扫描前1000行推断列数，若列数变化在1000行之后，可指定guess_max = Inf扫描全文件推断：

library(readr)
df <- read_csv("你的文件路径.csv", col_names = F, guess_max = Inf)

读取完成后可按每行非NA值的数量筛选你需要的数据集：你所需的第三/第二类数据集的表头及数据行的非NA值数量约为前序短数据集的2倍，筛选出非NA值符合该数量的连续行，将首行设为表头即可完成提取，无需逐行处理。

内容的提问来源于stack exchange，提问作者a_leemo