将xlsx电子表格读入R时如何包含空列？
我正在尝试编写一个R脚本，它将循环访问大约100个小型Excel电子表格，并将具有完整单元格的15-20行（确切的行数在每个小文件中变化）整合为一个。
我正在使用的代码（包含在循环中）读取文件，但不包含任何条目的列将被跳过。
newDf <- read.xlsx(filename,sheetName="Coding",header=FALSE, rowIndex=rows,colIndex=columns) 我目前的解决方法是创build一个虚拟的第一个数据框在每列中的值; 当我然后把每个新的DF都绑定到它时，这些列被强制排队。 但我希望有一个更好的方法。
任何帮助，将不胜感激。 谢谢。
如果您愿意使用XLConnect包而不是xlsx ，函数XLConnect::readWorksheet允许您指定startCol ， endCol和autofitCol参数，这将为您解决此问题：
library(XLConnect) ## # wb1 <- loadWorkbook("~/tmp/tmp1.xlsx", create = FALSE) # wb2 <- loadWorkbook("~/tmp/tmp2.xlsx", create = FALSE) df1 <- readWorksheet( object = wb1, sheet = "sheet1", startCol = 1, endCol = 3, autofitCol = FALSE) ## df2 <- readWorksheet( object = wb2, sheet = "sheet1", startCol = 1, endCol = 3, autofitCol = FALSE) ## R> head(df1,3) AB Col3 1 1 6 NA 2 2 7 NA 3 3 8 NA R> head(df2,3) ABC 1 1 6 11 2 2 7 12 3 3 8 13
其中df1是从只包含两个非空列的工作表中读取的（请参阅下面的数据）。
数据：
wb1 <- loadWorkbook("~/tmp/tmp1.xlsx", create = TRUE) createSheet(wb1, "sheet1") writeWorksheet( object = wb1, data = data.frame( A = 1:5, B = 6:10), sheet = "sheet1") saveWorkbook(wb1) ## wb2 <- loadWorkbook("~/tmp/tmp2.xlsx", create = TRUE) createSheet(wb2, "sheet1") writeWorksheet( object = wb2, data = data.frame( A = 1:5, B = 6:10, C = 11:15), sheet = "sheet1") saveWorkbook(wb2)
我不知道为什么read.xlsx有这种行为…
有几个可能的解决scheme。 首先是使用XLSX包中的readColumns函数，而不是read.xlsx：
wb <- loadWorkbook("c:/path/to/your/xlsx/file") sheets <- getSheets(wb) sheet <- sheets[["NAMEOFSHEET"]] newDf <- readColumns(sheet, startColumn=1, endColumn=3, startRow=1, endRow=4)
或者，您可以继续阅读文件，使用read.xlsx，然后在以后添加空白列：
if("COLUMN_THAT_SHOULD_BE_THERE" %in% colnames(newDf) == FALSE){ newDf$COLUMN_THAT_SHOULD_BE_THERE <- NA }
也许尝试使用read.xlsx2 ？
我用这种格式保存了一个Excel文件，并命名为test.xlsx ：
id blank names 1: 1 John 2: 2 Jacob 3: 3 Jingel 4: 4 Heimer 5: 5 Schmidt 6: 6 Joe 7: 7 Public 8: 8 Jane 9: 9 Doe 10: 10 Ramsey
而另一个我只是删除了列标题，我命名test2.xlsx ：
id names 1: 1 John 2: 2 Jacob 3: 3 Jingel 4: 4 Heimer 5: 5 Schmidt 6: 6 Joe 7: 7 Public 8: 8 Jane 9: 9 Doe 10: 10 Ramsey
当我用read.xlsx读取它们时， 只有当它没有被命名时， blank read.xlsx跳过：
> read.xlsx("test.xlsx",sheetIndex=1) id blank names 1 1 NA John 2 2 NA Jacob 3 3 NA Jingel 4 4 NA Heimer 5 5 NA Schmidt 6 6 NA Joe 7 7 NA Public 8 8 NA Jane 9 9 NA Doe 10 10 NA Ramsey > read.xlsx("test2.xlsx",sheetIndex=1) id names 1 1 John 2 2 Jacob 3 3 Jingel 4 4 Heimer 5 5 Schmidt 6 6 Joe 7 7 Public 8 8 Jane 9 9 Doe 10 10 Ramsey
但是，如果我在read.xlsx2上使用test2.xlsx ：
> read.xlsx2("test.xlsx",sheetIndex=1) id X. names 1 1 John 2 2 Jacob 3 3 Jingel 4 4 Heimer 5 5 Schmidt 6 6 Joe 7 7 Public 8 8 Jane 9 9 Doe 10 10 Ramsey
现在它被读入一个名为X.的factor列。
如果我尝试扩展这个有一堆空列，这是我得到的：
> read.xlsx2("test3.xlsx",sheetIndex=1) id X. names X..1 names2 X..2 names3 X..3 names4 1 1 John John John John 2 2 Jacob Jacob Jacob Jacob 3 3 Jingel Jingel Jingel Jingel 4 4 Heimer Heimer Heimer Heimer 5 5 Schmidt Schmidt Schmidt Schmidt 6 6 Joe Joe Joe Joe 7 7 Public Public Public Public 8 8 Jane Jane Jane Jane 9 9 Doe Doe Doe Doe 10 10 Ramsey Ramsey Ramsey Ramsey
所以read.xlsx2创build的read.xlsx2也是可以预测的。 另外（我不能确定我在哪里听到这个，所以我不能源），我认为这是一个很好的习惯，无论如何使用read.xlsx2 – 更快，等等。
我也可以添加这个?read.xlsx ：
read.xlsx2函数可以在Java中执行更多的工作，因此可以获得更好的性能（对于具有100,000个单元或更多单元的工作表，速度要快一个数量级）。 read.xlsx2的结果通常与read.xlsx不同，因为内部read.xlsx2使用为表格数据量身定制的readColumns。
所以@ user1578653build议使用readColumns ，只需要使用read.xlsx 。