R:为什么read.table停止读取文件？

我有一个文件，名为

genes.txt

，我想把它变成data.frame。它有很多行，每行有三个制表符分隔的字段：

mike$ wc -l genes.txt
   42476 genes.txt

我想将此文件读入R中的data.frame。我使用命令read.table，如下所示：

genes = read.table(
    genes_file, 
    sep="\t", 
    na.strings="-", 
    fill=TRUE,
    col.names=c("GeneSymbol","synonyms","description")
)

这似乎很好，其中

genes\u文件

指向

genes.txt

。但是，my data.frame中的行数明显少于我的文本文件中的行数：

> nrow(genes)
[1] 27896

mike$ grep "SELL" genes.txt 
SELL    CD62L|LAM1|LECAM1|LEU8|LNHR|LSEL|LYAM1|PLNHR|TQ1    selectin L

我可以在文本文件中找到：

> nrow(genes)
[1] 27896

mike$ grep "SELL" genes.txt 
SELL    CD62L|LAM1|LECAM1|LEU8|LNHR|LSEL|LYAM1|PLNHR|TQ1    selectin L

似乎不在data.frame中

> grep("SELL",genes$GeneSymbol)
integer(0)

原来

genes = read.delim(
    genes_file,
    header=FALSE,
    na.strings="-",
    fill=TRUE,
    col.names=c("GeneSymbol","synonyms","description"),
)

很好用。为什么read.delim在read.table不工作时工作

如果有用，您可以使用以下命令重新创建

genes.txt

，这些命令应该从命令行运行

curl -O ftp://ftp.ncbi.nlm.nih.gov/gene/DATA/gene_info.gz
gzip -cd gene_info.gz | awk -Ft '$1==9606{print $3 "\t" $5 "\t" $9}' > genes.txt

---

不过，请注意，gene_info.gz是101MBish。

带有read.table的默认引号字符之一是单引号。我猜您的描述字段中有一些不匹配的单引号，并且单引号之间的所有数据都汇集到一个条目中

对于read.delim，defualt quote字符是双引号，因此这不是问题

指定您的引号字符，您应该已全部设置

> genes<-read.table("genes.txt",sep="\t",quote="\"",na.strings="-",fill=TRUE, col.names=c("GeneSymbol","synonyms","description"))
> nrow(genes)
[1] 42476

---

>genesIs第27897行有什么特别的东西可能会破坏导入？我现在无法下载该文件，如果您还没有收到答复，我将稍后再试。我看不到！事实证明read.delim工作得很好，所以这比以前稍微不那么烦人。我对这个问题进行了大量的编辑（向在开始的前4分钟内阅读它的11个人表示歉意），将问题重新表述为当read.table失败时为什么read.delim可以工作？我没有查看文件，但引用和评论是两种常见的破坏方式。例如，read.table将“#”视为注释字符，这不适合于许多文件。谢谢！我想我应该注意到我的最终作品是巨大的！学习曲线的乐趣……加入学习曲线教会。：）另一个选项（我使用的）是设置quote=“”，然后简单地删除引号。请注意，如果使用fill=TRUE，则更有可能以静默方式解决此问题。