r - R、CSV 中的非唯一值，因为字符列值中的空白点有一个看不见的点

Question

我正在尝试在(大)数据集中查找独特的物种，但它在 unique() 结果中返回相同的名称两次。

TestData <- read.csv("Data\\TestData.csv", stringsAsFactors = FALSE)

unique(TestData$Species)

[1] "Amblyeleotris aurora"  "Amblyeleotris aurora"  "Cetoscarus bicolor"    "Cetoscarus bicolor"    "Cephalopholis polleni"
[6] "Cephalopholis polleni"

返回为非唯一的同一物种之间没有拼写不匹配，当我查看 csv 文件时，它们看起来都一样。但是，当我将名称复制到 R 控制台或脚本时，会出现红色 .将属和种分开为一个。点赞Amblyeleotris.aurora .

这可能是 csv 文件的问题，但是当我在 Notepad++ 或 MS excel 中查看文件时，点不会出现。然而，当对同一物种(即“Amblyeleotris aurora”和“Amblyeleotris aurora”)进行时，MS Excel 中的相等检查评估为假。

如前所述，这更有可能是 csv 的问题，但我想知道是否有办法在 R 中克服这个问题。

如果这个问题已经在某个地方得到了回答，或者这个问题在这里问得太简单了，我提前道歉，但我还没有在堆栈或互联网上找到任何解决方案。

这是示例 TestData csv 文件的链接，用于重现 ScriptPanel 的示例和屏幕截图以显示红点。

TestData.csv file



干杯
希马尔

Answer 1

那些红点表示你有non-breaking spaces (NBSP) 在您的文件中。

在 R 中，您可以使用以下行将 Species 列中的所有 NBSP 转换为常规空格:

TestData$Species <- gsub("[[:space:]]", " ", TestData$Species)

现在您的独特调用将表明所有空间都是相同的:

> unique(TestData$Species)
[1] "Amblyeleotris aurora"  "Cetoscarus bicolor"   
[3] "Cephalopholis polleni"