将PISA数据读入R- read.table错误

Question

我正在尝试使用read.table函数将PISA 2012研究(http://pisa2012.acer.edu.au/downloads.php)中的数据读取到R中。这是我尝试过的代码：

pisa  <- read.table("pisa2012.txt", sep = "")    

不幸的是，我一直收到以下错误消息：

Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings,  
: line 2 did not have 184 elements    

我试着设置

header = T

但随后会得到以下错误消息

Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings,  
 :line 1 did not have 184 elements

最后，这是.txt文件的样子...

http://postimg.org/image/4u9lqtxqd/

谢谢你的帮忙!

Answer 1

从第一行可以看出，您需要某种控制文件来分隔各个变量。因此，通过在其他环境中使用PISA，我知道前三列对应于ISO 3字母的国家代码(例如，ALB)。下面是数字和字母，需要通过分隔它们来有意义地理解它们。您可以为此使用代码簿(https://pisa2012.acer.edu.au/downloads/M_stu_codebook.pdf)，但这对于每个单独的变量都是一个真正的负担。为什么不在SPSS或sAS中下载并导入呢？这不是一个“圆滑”的解决方案，但如果没有控制文件，您将有很多手动工作要做。

Answer 2

我只是用readr包读取了这些文件。那么您需要什么: readr包、TXT文件、SAScii包和相关的sas文件。

因此，假设您想要读取学生文件。然后，您需要以下文件: INT_STU12_DEC03.txt和INT_STU12_DEC03.sas。

##################### READING STUDENT DATA  ###################
## Loading the dictionary
dic_student = parse.SAScii(sas_ri = 'INT_STU12_SAS.sas')

## Creating the positions to read_fwf
student <- read_fwf(file = 'INT_STU12_DEC03.txt', col_positions = fwf_widths(dic_student$width), progress = T)
colnames(student) <- dic_student$varname

OBS 1:因为我使用的是Linux，所以我需要从sas文件中删除第一行，并将编码改为UTF-8。

OBS 2:删除的行是：

libname  M_DEC03 "C:\XXX"; 
filename STU "C:\XXX\INT_STU12_DEC03.txt"; 
options nofmterr;

OBS 3:数据集占用大约1 1Gb，因此您将需要足够的RAM。