如何在R中修复导入xlsx文件后出现大量NaN的混乱数据问题

该问题的核心是读取文件使用的函数逻辑与文件实际格式不匹配，常见两种触发场景：

• 误用read.csv()、read.delim()等纯文本分隔文件读取函数读取二进制格式的.xlsx文件，读取过程中无法识别xlsx的单元格边界，将多列内容合并到同一列，剩余列自动填充NaN
• 使用的xlsx读取工具配置了错误的自动拆分规则，把原表中多列的内容识别为分号分隔的单列内容，导致后续列全部为空

优先选择专用工具读取标准.xlsx文件，操作门槛低不易出错：

• 推荐使用tidyverse生态下的readxl包，无需额外配置Java环境，适配所有标准.xlsx/.xls格式文件：

  # 首次使用先安装包，后续使用无需重复运行该行
  install.packages("readxl")
  # 加载包
  library(readxl)
  # 替换为你的本地文件路径，sheet参数可指定读取的工作表序号或名称
  df <- read_excel("你的文件存储路径.xlsx", sheet = 1)
  

  正常执行后会自动匹配原xlsx的列结构，不会出现列合并、NaN冗余的问题。

• 如果你确认当前文件是修改了后缀名的分号分隔CSV文件，直接使用read.csv2()读取即可，该函数默认分隔符为分号：

  df <- read.csv2("你的文件存储路径.csv")
  

• 如果你已经将数据错误读入，不想重新读取，可以使用tidyr包的separate()函数拆分合并列：

  # 首次使用先安装包
  install.packages("tidyr")
  library(tidyr)
  library(dplyr)
  # 将Column2按分号拆分为3列，对应原表的Column2、Column3、Column4
  df_clean <- df %>%
    separate(Column2, into = c("Column2", "Column3", "Column4"), sep = ";")
  

内容的提问来源于stack exchange，提问作者Fiach O'Neill