Eu tenho um arquivo CSV (24,1 MB) que não consigo ler completamente na minha sessão de R. Quando abro o arquivo em um programa de planilha, vejo 112.544 linhas. Quando o leio no R, read.csvrecebo apenas 56.952 linhas e este aviso:
cit <- read.csv("citations.CSV", row.names = NULL,
comment.char = "", header = TRUE,
stringsAsFactors = FALSE,
colClasses= "character", encoding= "utf-8")
Warning message:
In scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, :
EOF within quoted stringEu posso ler o arquivo inteiro no R com readLines:
rl <- readLines(file("citations.CSV", encoding = "utf-8"))
length(rl)
[1] 112545Mas não consigo colocar isso de volta no R como uma tabela (via read.csv):
write.table(rl, "rl.txt", quote = FALSE, row.names = FALSE)
rl_in <- read.csv("rl.txt", skip = 1, row.names = NULL)
Warning message:
In scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, :
EOF within quoted stringComo posso resolver ou solucionar essa mensagem EOF (que parece ser mais um erro do que um aviso) para colocar o arquivo inteiro na minha Rsessão?
Tenho problemas semelhantes com outros métodos de leitura de arquivos CSV:
require(sqldf)
cit_sql <- read.csv.sql("citations.CSV", sql = "select * from file")
require(data.table)
cit_dt <- fread("citations.CSV")
require(ff)
cit_ff <- read.csv.ffdf(file="citations.CSV")Aqui está a minha sessionInfo ()
R version 3.0.1 (2013-05-16)
Platform: x86_64-w64-mingw32/x64 (64-bit)
locale:
[1] LC_COLLATE=English_United States.1252 LC_CTYPE=English_United States.1252
[3] LC_MONETARY=English_United States.1252 LC_NUMERIC=C
[5] LC_TIME=English_United States.1252
attached base packages:
[1] tools tcltk stats graphics grDevices utils datasets methods base
other attached packages:
[1] ff_2.2-11 bit_1.1-10 data.table_1.8.8 sqldf_0.4-6.4
[5] RSQLite.extfuns_0.0.1 RSQLite_0.11.4 chron_2.3-43 gsubfn_0.6-5
[9] proto_0.3-10 DBI_0.2-7
r
csv
eof
read.table
Ben
fonte
fonte
freadtrabalhar nessa situação? Eu prefiro isso porque é muito mais rápido queread.csv. Masfreadnão parece ter umaquotediscussão ..fread, não funciona muito bem com aspas incorporadas em geral, mas tenho certeza de que haverá uma solução alternativa em breve. stackoverflow.com/questions/16094025/…write.csv()e estava recebendo 403 de voltaread.csv(). A adição de quote = "" me levou a 410 linhas.read.table()não melhora. Eu me pergunto o que mais pode ser tentado ...Eu sou um usuário novato em R e pensei em publicar isso, caso isso ajude outras pessoas. Eu estava tentando ler dados de um arquivo de texto (separado por vírgulas) que incluía alguns caracteres em espanhol e demorei uma eternidade para descobrir. Eu sabia que precisava usar a codificação UTF-8, definir o cabeçalho arg como TRUE, e que eu precisava definir o sep argumentemnt como ",", mas ainda assim tive problemas. Depois de ler este post , tentei definir o argumento de preenchimento como VERDADEIRO, mas obtive o mesmo "EOF dentro da cadeia de caracteres citada" que consegui corrigir da mesma maneira que acima. Minha tabela read.table bem-sucedida é assim:
target <- read.table("target2.txt", fill=TRUE, header=TRUE, quote="", sep=",", encoding="UTF-8")O resultado tem caracteres em espanhol e as mesmas tonalidades que eu tinha originalmente, então estou chamando de sucesso! Obrigado a todos!
fonte
Na seção de ajuda do R, como indicado acima, apenas desabilite a citação por completo, simplesmente adicionando:
para o read.csv () funcionou para mim.
O erro "EOF dentro da cadeia de caracteres citada" ocorreu com:
E o arquivo lido estava faltando 6.619 linhas. Mas desativando a citação
Funcionou sem erros e todas as linhas foram lidas com êxito.
fonte
Também encontrei esse problema e consegui solucionar um erro semelhante de EOF usando:
Observe que o parâmetro separador é definido dentro do mais geral
read.table().fonte
Na verdade, usar
read.csv()para ler um arquivo com conteúdo de texto não é uma boa ideia, desabilite a cotação, pois o conjuntoquote=""é apenas uma solução temporária, funcionou apenas com aspas separadas. Há outros motivos para causar o aviso, como alguns caracteres especiais.A solução permanente (usando
read.csv()), descobrir quais são esses caracteres especiais e usar uma expressão regular para eliminá-los é uma ideia.Você já pensou em instalar o pacote
{data.table}e usarfread()para ler o arquivo. é muito mais rápido e não o incomodaria com esse aviso de EOF. Observe que o arquivo carregado será armazenado como um objeto data.table, mas não como um objeto data.frame. A classe data.table possui muitos recursos bons, mas de qualquer maneira, você pode transformá-lo usando,as.data.frame()se necessário.fonte
Eu tive o problema semelhante: aviso de EOF e apenas parte dos dados estava carregando com read.csv (). Tentei as aspas = "", mas ele apenas removeu o aviso de EOF.
Mas, olhando para a primeira linha que não estava carregando, descobri que havia um caractere especial, uma seta → (valor hexadecimal 0x1A) em uma das células. Depois de excluir a seta, os dados foram carregados normalmente.
fonte
Eu também tive o problema semelhante. Mas no meu caso, a causa do problema ocorreu devido à presença de apóstrofos (ou seja, aspas simples) dentro de alguns valores do texto. Isso é especialmente freqüente ao trabalhar com dados, incluindo textos em francês, por exemplo, "L'autre jour".
Portanto, a solução foi simplesmente ajustar a configuração padrão do argumento de citação para excluir o símbolo «'» e, assim, usando quote = "\" " (ou seja, apenas aspas duplas ), tudo funcionou bem.
Espero que possa ajudar alguns de vocês. Felicidades.
fonte
O pacote readr corrigirá esse problema.
fonte