提问人：jpsmith 提问时间：11/10/2023 最后编辑：jpsmith 更新时间：11/11/2023 访问量：127
导入带有大小写不变的 na.strings 参数的 CSV
Import CSV with case-invariant na.strings argument
问：
我尝试导入一个 CSV 文件，其中包含不一致的大小写变体以指示缺少数据，例如：
read.csv(
text = "A,B,C
1,Not indicated, NOT indicated
4,abc,not indicated
NOT INDICATED, def, noT InDiCated")
# A B C
# 1 1 Not indicated NOT indicated
# 2 4 abc not indicated
# 3 NOT INDICATED def noT InDiCated
我正在尝试将它们导入到函数（或来自另一个包的类似函数）中，忽略大小写。我想要的输出是：NAread.csv()
# A B C
# 1 1 NA NA
# 2 4 abc NA
# 3 NA def NA
该命令接受字符串的字符向量来替换 ，但大小写变体最初是未知的，并且有太多的排列，因此不切实际。read.csv()na.stringNA
有没有办法使用正则表达式或其他替代方法来导入所有大小写变体，而无需指定每个案例变体？在这种特定情况下，重要的是在读取数据时（即，在或类似）中实现这一点，而不是在额外的步骤中（即，读入数据，然后使用其他代码进行清理，（即，如此处）。NAread.csv
我试过：
read.csv(
text = "A,B,C
1,Not indicated, NOT indicated
4,abc,not indicated
NOT INDICATED, def, noT InDiCated"
na.strings = "(?i)not (?i)indicated") ## nothing is replaced
read.csv(
text = "A,B,C
1,Not indicated, NOT indicated
4,abc,not indicated
NOT INDICATED, def, noT InDiCated",
na.strings = c("not indicated"),
ignore.case = TRUE) # Returns error/unused argument
read.csv(
text = "A,B,C
1,Not indicated, NOT indicated
4,abc,not indicated
NOT INDICATED, def, noT InDiCated",
na.strings = stringr::regex("not indicated", ignore_case = TRUE)) # does not return NA for any of the variants
我尝试过与 和 类似的方法，但它们都没有返回所需的输出（返回类似于上面的输出/错误）。不幸的是，现有的 SO 问题都没有解决特定问题（即，使 csv 数据导入不区分大小写或在 R 中搜索列表不区分大小写data.table::freadreadr::read_csv)
答：
4赞
zx8754
11/10/2023
#1
在面包内更换 - 使用：sed
data.table::fread("sed 's/not indicated/NA/gI' tmp.csv")
# A B C
# 1: 1 NA NA
# 2: 4 5 NA
# 3: NA 8 NA
检查操作系统，然后运行等效的“sed”命令：
评论
0赞
Axeman
11/10/2023
这太棒了！但我想不能移植到 Windows？
0赞
zx8754
11/10/2023
@Axeman true，那么您必须找到 sed 的 PowerShell 替代品。在恐惧之前可以进行简单的检查，找出操作系统，然后运行相关命令。
0赞
Friede
11/10/2023
@zx8754，出于兴趣，我想问一下这样的检查会是什么样子。基于？.Platform$OS.type
1赞
zx8754
11/11/2023
@Friede是的，这就是我的想法，有很多方法，编辑，请参阅链接的帖子。
5赞
thelatemail
11/10/2023
#2
澄清后将评论升级为答案：
您可以导入原始文本，应用正则表达式替换，然后将其传递给 .这将推迟对列类型等的猜测，直到某些字符串被剥离之后。read.csv
这并不完全是你想要的，但我认为按照所要求的方式这是不可能的。scan()na.strings=
一个（不是很健壮的）尝试，可以作为一个起点：
read.csv(
text=gsub("not indicated", "NA",
readChar("test.csv", nchars=file.size("test.csv"), useBytes=TRUE),
ignore.case=TRUE),
na.strings="NA", strip.white=TRUE
)
## A B C
##1 1 NA NA
##2 4 5 NA
##3 NA 8 NA
评论