read.csv

d <- read.csv("新北市統計資料_101年.csv")
print(xtable(head(d)), type = "html")

CSV 檔案格式

"type","name","file_name"
"環境保護","垃圾清運處理概況(100年以前)-年","垃圾.xls"
"環境保護","垃圾清運處理概況(101年以後)-按處理方式分-年","垃圾.xls"
"環境保護","垃圾清運處理概況(101年以後)-按清運單位或回收管道分","垃圾.xls"

CSV 常見規範

http://data.taipei.gov.tw/opendata/apply/NewDataContent?oid=47C21F11-A278-4C86-BEC0-185A300D5226

f <- file("臺北市警察局名稱及地址.csv", encoding = "utf-8")
d <- read.csv(f)

## Warning: 輸入連結 '臺北市警察局名稱及地址.csv' 中的輸入不正確

read.csv("臺北市警察局名稱及地址.csv")

## Error: 無效的多位元組字串於
## '<bb>O<a5>_<a5><ab><ac>F<a9><b2>ĵ<b9><c1>`<a7><bd>'

16進位:

Hex Code

• 位元組(byte)是目前電腦處理記憶體的基本單位。一個位元組有8個位元(bit)。ex:
  • 00000001
  • 00110101
• 我們可以用兩個hex code來代表一個位元組。ex:
  • 00000001 ==> 0000,0001 ==> 01
  • 00110101 ==> 0011,0101 ==> 35

• 整數0L的記憶體，寫成hex code是 00 00 00 00 (佔有四個位元組)
• 數值0.0的記憶體，寫成hex code是 00 00 00 00 00 00 00 00 (佔有八個位元組)
• 文字"0"的記憶體，寫成hex code是 30 (佔有一個位元組)

as.raw(0)

## [1] 00

charToRaw("0")

## [1] 30

as.raw(0L)

## [1] 00

為什麼 00110000 代表文字"0"?

「編碼」就是將位元組合變成人類可讀文字的規則。

ASCII(American Standard Code for Information Interchange，美國訊息交換標準代碼)

1. 請問"R\r\n"和"R\n"的位元組會是？
2. 如何用R找出答案？(提示：charToRaw)
3. 如果使用錯誤的編碼會發生什麼事情？

• big5
• utf-8

f <- file("臺北市警察局名稱及地址.csv", encoding = "big5")
d <- read.csv(f)
print(xtable(head(d)), type = "html")