如何将行项数不等的稀疏CSV文件读取到R语言中

首先，咱们先明确你的场景：你的CSV文件每行的字段数不一样，比如像这样：

Customer1, 01XX, 02XY, 05XYZ, 100XYZ, 03X23
Customer2, 02XX, 012X, 05XYZ
Customer3, 01XX, 02XY, 05XYZ, 012X, 005XZZ, 100XYZ

你想要的是能像引用数据框那样，用客户ID直接调出对应的一串编码，对吧？

其实数据框不太适合这种变长数据，因为它要求每行列数一致，强行用read.csv的话会自动补NA，反而添乱。用命名列表才是更高效的方案，正好匹配你的需求，下面是具体步骤：

步骤1：读取并处理CSV行 #

先按行读取文件，再把每行分割成客户ID和对应的编码，最后整理成命名列表：

# 读取CSV的所有行（替换成你的文件路径）
raw_lines <- readLines("your_customers.csv")

# 处理每行：分割、去空格、生成命名列表
customer_data <- lapply(raw_lines, function(line) {
  # 分割行，同时去掉逗号前后的多余空格
  split_parts <- strsplit(trimws(line), ",\\s*")[[1]]
  # 把第一个元素作为名字，剩下的作为对应的值
  setNames(list(split_parts[-1]), split_parts[1])
})

# 把分散的小列表合并成一个统一的命名列表
customer_data <- unlist(customer_data, recursive = FALSE)

步骤2：按客户ID引用数据 #

现在你就可以直接用客户ID来调取对应的向量了，用法和你想要的几乎一致：

# 获取Customer2的编码向量
myVector <- customer_data[["Customer2"]]
myVector
# 输出结果：
# [1] "02XX" "012X" "05XYZ"

关于你提到的“被踩”和方案选择 #

之前可能被踩的原因，大概率是有人默认用数据框处理CSV，但数据框天生不支持变长行，强行用的话会产生很多无用的NA，反而不符合你的实际需求。而用命名列表的话，既保留了每行的原始长度，又能通过客户ID快速索引，完全适配你的场景。

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