R 导入.tsv文件

在R中导入

.tsv

文件时遇到问题。该数据文件来自Eurostats，可公开获取：

我使用以下代码导入它：

immig <- read.table(file="immig.tsv", sep="\t", header=TRUE)

---

我做错了什么？我尝试使用

sep=“，”

，但它似乎可以解决一些问题，同时创建其他问题。

类似的内容可以作为一个起点：

link <- "http://ec.europa.eu/eurostat/estat-navtree-portlet-prod/BulkDownloadListing?file=data/migr_imm10ctb.tsv.gz"

data <- readr::read_csv(link) %>% 
       separate("geo\\time\t2015 \t2014 \t2013", into = c("geo", "2015", "2014", "2013"), sep = "\t")

---

link类似的内容可以作为一个起点：

link <- "http://ec.europa.eu/eurostat/estat-navtree-portlet-prod/BulkDownloadListing?file=data/migr_imm10ctb.tsv.gz"

data <- readr::read_csv(link) %>% 
       separate("geo\\time\t2015 \t2014 \t2013", into = c("geo", "2015", "2014", "2013"), sep = "\t")

link是您缺少2013年数据的问题吗

我在该链接下载了该文件，使用命令行工具将其解压缩，然后使用readr库将其导入即可：


库（readr）
使用列规范分析的迁移：
#>科尔斯(
#>`age，agedef，c_出生，单位，性别，地理时间`=col_character（），
#>`2015`=col_character（），
#>`2014`=col_character（），
#>`2013`=col_character（）
#> )
移民
#>#A tibble:45558 x 4
#>年龄、年龄定义、出生、单位、性别、地理位置\\time``2015``2014``2013`
#>                                            
#>截至472340934085，F区北区共1个完整CC5\U 13\U
#>2总计，完整，CC5×13×IS，NR，F，BE 1017 953 1035
#>3总的，完整的，CC5\u 13\u，用于X\u IS，NR，F，BG 559 577 743 p
#>4第2876章第2766章第2758章第13章第13章第4章第13章第4章总计
#>5总计，完整，CC5×13×IS，NR，F，CY 54
#>6总计，完整，CC5×13×IS，NR，F，CZ 120 106 155
#>7第14984号联邦住宅区第13单元共5单元
#>8第372 365 405号丹麦克朗第13号丹麦克朗的完整CC5号丹麦克朗总计
#>9总的，完整的，CC5_13_X_IS，NR，F，EE 23 7 16
#>10总的，完整的，CC5×13×IS，NR，F，EL 234
#> # ... 还有45548行

看起来有一些备用字符在（
743p
）周围浮动，其中应该只有数字，因此您需要进行更多清理，然后转换为数字。


库（dplyr）
图书馆（stringr）
移民%>%
突变（变量（`2015`:`2013`），str_提取，模式=“[0-9]+”）%>%
变异（变量（`2015`:`2013`），如.numeric）
#>#A tibble:45558 x 4
#>年龄、年龄定义、出生、单位、性别、地理位置\\time``2015``2014``2013`
#>                                            
#>截至472340934085，F区北区共1个完整CC5\U 13\U
#>2总计，完整，CC5×13×IS，NR，F，BE 1017 953 1035
#>3总的，完整的，CC5\u 13\u，用于编号为559 577 743的X\u IS
#>4第2876章第2766章第2758章第13章第13章第4章第13章第4章总计
#>5总计，完整，CC5×13×IS，NR，F，CY NA 54
#>6总计，完整，CC5×13×IS，NR，F，CZ 120 106 155
#>7总的，完整的，CC5_13_，用于编号为14984、F、DE NA的X_IS
#>8第372 365 405号丹麦克朗第13号丹麦克朗的完整CC5号丹麦克朗总计
#>9总的，完整的，CC5_13_X_IS，NR，F，EE 23 7 16
#>10总的，完整的，CC5_13_，用于X_IS，NR，F，EL NA 234
#> # ... 还有45548行

它是一个以制表符分隔的文件，但第一列都用逗号放在一起，因此如果您需要的是分隔开的信息，可以使用
tidyr:：separate（）
。


library（tidyr）
移民%>%
分开（`age，agedef，c_出生，单位，性别，地理\\time`，
c（“年龄”、“年龄定义”、“出生”、“单位”、“性别”、“地理位置”），
sep=“，”）
#>#A tibble:45558 x 9
#>年龄年龄定义c_出生单位性别geo`2015``2014``2013`
#>  *                        
#>在472340934085处，X的1个总完工CC5_13_为F
#>2对于X，总的完整CC5\u 13\u为1017 953 1035
#>3总完工CC5_13_为BG 559 577 743 p
#>4第2876章2766 2758章第13章总完工量
#>5总完工CC5_13_为第54周期
#>6总的完整CC5_13_为CZ 120 106 155
#>7.第14984条规定的总完工CC5第13条
#>8对于X的CC5 13总完工量为372 365 405丹麦克朗
#>9关于X的总完工CC5_13_为23 7 16
#>10总完工CC5_13_为234; X_，编号为234
#> # ... 还有45548行
您是否缺少2013年的数据

我在该链接下载了该文件，使用命令行工具将其解压缩，然后使用readr库将其导入即可：


库（readr）
使用列规范分析的迁移：
#>科尔斯(
#>`age，agedef，c_出生，单位，性别，地理时间`=col_character（），
#>`2015`=col_character（），
#>`2014`=col_character（），
#>`2013`=col_character（）
#> )
移民
#>#A tibble:45558 x 4
#>年龄、年龄定义、出生、单位、性别、地理位置\\time``2015``2014``2013`
#>                                            
#>截至472340934085，F区北区共1个完整CC5\U 13\U
#>2总计，完整，CC5×13×IS，NR，F，BE 1017 953 1035
#>3总的，完整的，CC5\u 13\u，用于X\u IS，NR，F，BG 559 577 743 p
#>4第2876章第2766章第2758章第13章第13章第4章第13章第4章总计
#>5总计，完整，CC5×13×IS，NR，F，CY 54
#>6总计，完整，CC5×13×IS，NR，F，CZ 120 106 155
#>7第14984号联邦住宅区第13单元共5单元
#>8第372 365 405号丹麦克朗第13号丹麦克朗的完整CC5号丹麦克朗总计
#>9总的，完整的，CC5_13_X_IS，NR，F，EE 23 7 16
#>10总的，完整的，CC5×13×IS，NR，F，EL 234
#> # ... 还有45548行

看起来有一些备用字符在（
743p
）周围浮动，其中应该只有数字，因此您需要进行更多清理，然后转换为数字。


库（dplyr）
图书馆（stringr）
移民%>%
突变（变量（`2015`:`2013`），str_提取，模式=“[0-9]+”）%>%
变异（变量（`2015`:`2013`），如.numeric）
#>#A tibble:45558 x 4
#>年龄、年龄定义、出生、单位、性别、地理位置\\time``2015``2014``2013`
#>