在R中的read.delim中获取附加NA列

我正在读取表单的

R

中的文本文件（从终端）

但是当我在R中使用read.delim阅读这篇文章时，它在末尾添加了一列NA。我可以删除该列，但我想知道为什么它会创建额外的列，以及在实际读取文件时如何避免该列

> d=read.delim("output_perl_hmi.txt", header=F)
> colnames(d) <-c("COUNT", "flybasename", "GENENAME", "START", "END", "TYPE","SAMPLE", "posterior_probability")
> head(d)
  COUNT flybasename GENENAME    START      END TYPE       SAMPLE posterior_probability NA
1     1  CG10619-RB      tup 18864094 18864523  rev GFP_RNAi3_R1             0.8707072 NA
2     1  CG11050-RC  CG11050  6613278  6612484  rev GFP_RNAi3_R1             0.9992677 NA

>d=read.delim（“output\u perl\u hmi.txt”，header=F）
>colnames（d）头（d）
计数flybasename GENENAME开始结束类型样本后验概率NA
1 CG10619-RB tup 18864094 18864523版次GFP_RNAi3_R1 0.8707072 NA
2 1 CG11050-RC CG11050 6613278 6612484版次GFP_RNAi3_R1 0.9992677 NA

首先，我必须推断您的输入文件是由制表符分隔的，即使您没有指定，因为默认值为

sep='\t'

其次，我强烈怀疑，在数据末尾增加一列NA的原因是，在输入文件的每一行末尾都有一个尾随选项卡。这导致

read.delim（）

认为在尾部选项卡后面有一列，它将其解析为NA，因为那里没有任何内容

下面我将演示这一点。我创建了两个文件，

file1.txt

和

file2.txt

。前者包含您将输入文件粘贴到问题中时的精确输入文件，假设（1）它使用制表符分隔符，（2）每行上只有一个尾随制表符。后者相同，但没有尾随选项卡

为了澄清空白，在我的

cat

调用中，我传递了

-vet

，它将选项卡显示为

^I

，将EOL显示为

$

。通常，这不足以完全消除数据的歧义，但因为我们知道您的输入文件没有扬抑符或美元，所以在这种情况下它将是明确的

system('cat -vet file1.txt;');
## 1^ICG10619-RB^Itup^I18864094^I18864523^Irev^IGFP_RNAi3_R1^I0.870707220482784^I$
## 1^ICG11050-RC^ICG11050^I6613278^I6612484^Irev^IGFP_RNAi3_R1^I0.999267733859066^I$
d <- read.delim('file1.txt', header=F );
d;
##   V1         V2      V3       V4       V5  V6           V7        V8 V9
## 1  1 CG10619-RB     tup 18864094 18864523 rev GFP_RNAi3_R1 0.8707072 NA
## 2  1 CG11050-RC CG11050  6613278  6612484 rev GFP_RNAi3_R1 0.9992677 NA
system('cat -vet file2.txt;');
## 1^ICG10619-RB^Itup^I18864094^I18864523^Irev^IGFP_RNAi3_R1^I0.870707220482784$
## 1^ICG11050-RC^ICG11050^I6613278^I6612484^Irev^IGFP_RNAi3_R1^I0.999267733859066$
d <- read.delim('file2.txt', header=F );
d;
##   V1         V2      V3       V4       V5  V6           V7        V8
## 1  1 CG10619-RB     tup 18864094 18864523 rev GFP_RNAi3_R1 0.8707072
## 2  1 CG11050-RC CG11050  6613278  6612484 rev GFP_RNAi3_R1 0.9992677

为了在这里真正完整，我刚刚测试了

read.delim（）

，看看如果输入行包含不一致的分隔符，它会做什么。它似乎尊重“最宽”的输入行，这意味着返回的data.frame将包含尽可能多的列，以覆盖输入文件中最分隔的行。所有短线的最右侧单元格中都会有NA，而该行中没有包含NA。

请尝试str（d）查看添加colname前后的数据结构

system('cat -vet file1.txt;');
## 1^ICG10619-RB^Itup^I18864094^I18864523^Irev^IGFP_RNAi3_R1^I0.870707220482784^I$
## 1^ICG11050-RC^ICG11050^I6613278^I6612484^Irev^IGFP_RNAi3_R1^I0.999267733859066^I$
d <- read.delim('file1.txt', header=F );
d;
##   V1         V2      V3       V4       V5  V6           V7        V8 V9
## 1  1 CG10619-RB     tup 18864094 18864523 rev GFP_RNAi3_R1 0.8707072 NA
## 2  1 CG11050-RC CG11050  6613278  6612484 rev GFP_RNAi3_R1 0.9992677 NA
system('cat -vet file2.txt;');
## 1^ICG10619-RB^Itup^I18864094^I18864523^Irev^IGFP_RNAi3_R1^I0.870707220482784$
## 1^ICG11050-RC^ICG11050^I6613278^I6612484^Irev^IGFP_RNAi3_R1^I0.999267733859066$
d <- read.delim('file2.txt', header=F );
d;
##   V1         V2      V3       V4       V5  V6           V7        V8
## 1  1 CG10619-RB     tup 18864094 18864523 rev GFP_RNAi3_R1 0.8707072
## 2  1 CG11050-RC CG11050  6613278  6612484 rev GFP_RNAi3_R1 0.9992677

system('cat -vet file3.txt;');
## 1^ICG10619-RB^Itup^I18864094^I18864523^Irev^IGFP_RNAi3_R1^I0.870707220482784^I^I$
## 1^ICG11050-RC^ICG11050^I6613278^I6612484^Irev^IGFP_RNAi3_R1^I0.999267733859066^I^I$
d <- read.delim('file3.txt', header=F );
d;
##   V1         V2      V3       V4       V5  V6           V7        V8 V9 V10
## 1  1 CG10619-RB     tup 18864094 18864523 rev GFP_RNAi3_R1 0.8707072 NA  NA
## 2  1 CG11050-RC CG11050  6613278  6612484 rev GFP_RNAi3_R1 0.9992677 NA  NA