Início / coding / Perguntas / 79299089
Accepted
robertspierre
Asked: 2024-12-21 16:32:17 +0800 CST

O readr não tem motivos para dizer que há menos colunas do que o esperado

  • 772

Estou tentando ler o seguinte arquivo CSV do partyfacts com readr.

A importação resulta em problemas, mas na realidade não há problemas.

download.file("https://partyfacts.herokuapp.com/download/external-parties-csv/", "partyfacts-external-parties.csv")
df <- readr::read_csv("partyfacts-external-parties.csv", show_col_types = FALSE)

Aviso: Um ou mais problemas de análise, consulte problems()seu quadro de dados para obter detalhes,

por exemplo:

isso <- vroom(...)

problemas(dat)

Vamos ver o que temos:

nrow(problems(df))

86

problems(df)[1,]

# A tibble: 1 × 5 linha col esperado arquivo real
<int> <int> <chr> <chr> <chr>
35519 15 17 colunas 15 colunas /home/raffaele/Downloads/external-parties.csv

Mas na realidade não há problemas.

A linha 35519 é:

BIH,elecglob,292,SNSD,Aliança dos Social-democratas Independentes,Aliança dos Social-democratas Independentes,1998,2014,19.1,2006,,,2019-02-08 19:26:26.193233+00:00,2021-03-12 10:15:38.362019+00:00,30450,292,2019-02-08 19:26:26.296626+00:00

Que contém corretamente 17 colunas, não 15.

Os outros 84 problemas são da mesma natureza (ler menos colunas do que o esperado) e um raciocínio semelhante se aplica (o número de colunas no arquivo de origem está correto).

EDIT: O texto que relatei para a linha é obtido de um editor de texto. Aparentemente, os números de linha não são os mesmos que obtive do R.

1 respostas

  1. Best Answer

    O arquivo é enorme, então é difícil examiná-lo. Uma maneira de diagnosticar problemas como esse é tornar o arquivo menor, excluindo linhas que estão boas. Eu fiz isso e obtive esse arquivo, mantendo apenas as duas primeiras linhas, a primeira linha que mostrou um erro e uma linha depois dela (que também mostra um erro):

    country,dataset_key,dataset_party_id,name_short,name,name_english,year_first,year_last,share,share_year,description,comment,created,modified,external_id,partyfacts_id,linked
ALB,manifesto,75721,DBSH,E Djatha e Bashkuar e Shqipërisë,United Albanian Right,1996,1997,5.0,1996,,,2013-01-01 18:18:05.413000+00:00,2023-06-05 10:39:57.075788+00:00,1914,674,2013-01-01 18:33:17.889000+00:00
BEN,gps,60,ABT,,Alliance pour un Benin triomphant,2011,2019,2.9,2015,,,2020-07-16 17:39:48.143406+00:00,2021-03-12 10:16:03.729055+00:00,47733
BEN,gps,64,AE,,Eclaireur,2011,2019,3.7,2015,,,2020-07-16 17:39:57.563352+00:00,2021-03-12 10:16:03.731436+00:00,48035

    A terceira e quarta linhas mostradas acima estavam em algum lugar em torno da linha 35440 no arquivo original e, como você pode ver, elas não seguem o mesmo formato da linha anterior: os dois campos finais estão faltando.

    read.csv()não reclama sobre esse arquivo, porque ele está documentado para preencher campos faltantes com espaços em branco, a menos que você o chame com fill = FALSE. Quando faço isso, recebo um erro.

    • 3

relate perguntas