R语言read_csv读取含引号内逗号的CSV时如何保留指定列为字符型

问题原因 #

你遇到的情况是readr 1.4.0版本的默认类型推断逻辑导致的：该版本默认将逗号识别为千位分隔符，推断字段类型时如果字段值符合带千位分隔符的数值格式，就会自动移除分隔符转为数值类型。你示例里的V2字段值300,200符合该规则，所以被转为数值并抹掉了逗号；而V1的0,20不符合数值格式，因此保留了原始字符格式。

解决方案1：手动指定列类型（最稳妥，不会误判其他字段） #

你可以通过col_types参数明确指定需要保留原始格式的字段为字符类型：

library(readr)
read_csv(
  '"Name","V1","V2"\n"A","0,20","300,200"\n"B","0,20","300,200"',
  col_types = cols(
    V2 = col_character()
  )
)

如果需要所有字段都保留原始字符格式，可以设置默认列类型为字符：

read_csv(
  '"Name","V1","V2"\n"A","0,20","300,200"\n"B","0,20","300,200"',
  col_types = cols(.default = col_character())
)

解决方案2：修改区域配置，取消逗号作为千位分隔符 #

如果不想逐个指定列类型，可以修改locale参数里的千位分隔符配置，让readr不再把逗号识别为千位分隔符：

read_csv(
  '"Name","V1","V2"\n"A","0,20","300,200"\n"B","0,20","300,200"',
  locale = locale(grouping_mark = "")
)

以上两种方法都可以让V2列保留300,200的原始字符格式。

内容的提问来源于stack exchange，提问作者Bangyou