使用 read.csv 时，为什么数据框变量名称中添加了 X？

Question

当我使用R中的read.csv()函数加载数据时，我经常发现变量名称中添加了一个X。我想我总是在第一个变量中看到它，但我可能是错的。

起初，我认为 R 可能会这样做，因为我在变量名的开头有一个空格 - 但我没有。

其次，我在某处读到，如果您有一个以数字开头的变量，或者是一个非常短的变量名称，R 会添加 X。变量名称是所有文本和长度这个变量的名字有12个字符，所以它不短。

现在，这纯粹是一种烦恼。我可以重命名该列，但它确实增加了一个步骤，尽管是一小步。

有没有办法防止流氓 X 渗透到我的数据框？

这是我的原始代码：

df <- read.csv("/file/location.filecsv", header=T, sep=",")

这是有问题的变量：

str(orders)
'data.frame':   2620276 obs. of  26 variables:
 $ X.OrderDetailID    : Factor w/ 2620193 levels "(2620182 row(s) affected)",..: 105845

Answer 1

read.table 和 read.csv 有一个 check.names= 参数，您可以将其设置为 FALSE。

例如，尝试使用仅包含标题的输入：

> read.csv(text = "a,1,b")
[1] a  X1 b 
<0 rows> (or 0-length row.names)

与

> read.csv(text = "a,1,b", check.names = FALSE)
[1] a 1 b
<0 rows> (or 0-length row.names)

Answer 2

这是令人惊讶的行为，但我认为我们需要一个可重现的例子。也许您的文件中隐藏着一些不可见/特殊字符？

names(read.csv(textConnection(
"abcdefghijkl, a1,2x")))

表现良好。您能举一个例子来说明您的问题吗？

正如另一个答案中所述， check.names=FALSE 是一种可能的解决方法。您可以尝试使用 make.names 来确定行为...

Answer 3

正如 Gabor 所说，默认情况下，read.csv 默认将标题行中的名称转换为有效的变量名称（使用 check.names = FALSE 将其关闭）。这是使用函数 make.names 完成的。该函数的帮助页面解释了有效变量名称的构成。

语法上有效的名称由字母、数字和点或
下划线字符并以字母或不跟随的点开头
通过一个数字。诸如“.2way”之类的名称无效，
保留字。

保留字列表可在帮助页面?reserved 上找到。

另一个条件是变量名称必须为 10000 个字符或更少，但 make.names 不会缩短它。因此，要小心变量名称的真正冗长。

您可以使用检查有效的变量名称

library(assertive.code)
is_valid_variable_name(x)