如何在R中正确导入2014年NIBRS格式的.txt数据文件

1. 先搞懂NIBRS文件的本质格式 #

NIBRS（国家基于事件的报告系统）的原始数据文件都是固定宽度格式，不是用制表符、逗号这类分隔符拆分列的——这就是你用read.delim/read_tsv这类分隔符导向函数导入后，列名、数据全乱的核心原因。

2. 用已获取的文件头信息定规则 #

你已经通过readLines拿到了文件前几行，接下来这么用：

• 先把内容打印出来，仔细对比列名行和数据行的字符位置：

  # 读取前10行方便分析
  nibrs_head <- readLines("path/to/file.txt", n = 10)
  print(nibrs_head)
  

• 找2014版NIBRS的官方数据字典，里面会明确每一列的起始/结束字符位置、列名、数据类型（比如第1-5位是AGENCY_ID，第6-13位是INCIDENT_DATE）。
• 要是找不到官方字典，就手动对比：列名之间的空白对应数据行的固定宽度，比如列名AGENCY结束在第5位，下一个列名DATE从第6位开始，那第一列的宽度就是5。

3. 用read_fwf精准导入 #

read_fwf是专门处理固定宽度文件的函数，两种常用用法：

方式一：指定列宽 #

如果已经算出每一列的字符数，直接传widths参数：

library(readr)
# 示例：假设从字典拿到的列宽和列名
nibrs_data <- read_fwf("path/to/file.txt", 
                       widths = c(5, 8, 10, ...), # 对应每列的字符数
                       col_names = c("AGENCY_ID", "INCIDENT_DATE", "OFFENSE_CODE", ...),
                       skip = 0) # 第一行是列名就设0，有说明行就设对应行数

方式二：指定列的起止位置 #

知道每列的起始和结束字符位，用fwf_positions：

nibrs_data <- read_fwf("path/to/file.txt",
                       col_positions = fwf_positions(start = c(1, 6, 14), 
                                                     end = c(5, 13, 23),
                                                     col_names = c("AGENCY_ID", "INCIDENT_DATE", "OFFENSE_CODE")),
                       skip = 0)

后续调整 #

• 导入后部分列可能是字符型，手动转成对应类型：

  library(dplyr)
  nibrs_data <- nibrs_data %>%
    mutate(INCIDENT_DATE = as.Date(INCIDENT_DATE, format = "%Y%m%d"),
           OFFENSE_CODE = as.integer(OFFENSE_CODE))
  

• 要是有乱码，加编码参数：locale = locale(encoding = "ISO-8859-1")（NIBRS常用编码）

4. 常见坑排查 #

• 跳过冗余行：如果文件开头有说明文字，用skip参数跳过（比如skip=3）。
• 缺失值处理：固定宽度文件的缺失值一般是空格填充，read_fwf会自动识别为NA，无需额外设置。

内容的提问来源于stack exchange，提问作者Steven Morrison