我正试图使用read.csv2.sql读取R中的csv文件，因为我想使用SQL中的SELECT查询来帮助我过滤数据，但在我访问SELECT查询之前，我发现使用read.csv2.sql读取csv文件已经生成了一条警告消息。
这是我的代码：
investment2 <- read.csv2.sql("investmentdata.csv")
这是警告信息：
Warning message:
In result_fetch(res@ptr, n = n) :
Column 'Capital.Investment': mixed type, first seen values of type real, coercing other values of type string
但是，当我使用正常的read.csv2函数时，没有错误。特别是，以下代码在没有警告消息的情况下运行良好：
investment <- read.csv2("investmentdata.csv")
接下来，我试图通过将Capital.Investment列转换为真实列来解决这个问题，如下所示：
investment3 <- read.csv2.sql("investmentdata.csv", "SELECT *, CAST(Capital.Investment AS real) FROM file")
然而，R现在生成以下错误：
Error: no such column: Capital.Investment
因此，我有两个问题。首先，当read.csv2工作正常时，为什么使用read.csv2.sql会生成警告消息？其次，当我尝试将Capital.Investment列强制转换为真实列时，为什么R(或SQL(不能识别它？
也许还值得注意的是，我不能简单地忽略read.csv2.sql函数显示的这个警告，因为我发现由于这个警告，它已经自动将我的Capital.Investment列中的一些NA行强制转换为0，这是我不能允许的——NA行必须保持为NA。不过，我的csv文件的其他列似乎没有这个问题。
由于我是R的新手，任何帮助和解释都将不胜感激：(
编辑
我的截断csv文件的编码版本如下。特别是，所讨论的列的名称实际上是Capital.Investment。
id;targetC;year;comp_id;homeC;Industry.Activity;Capital.Investment;Estimated;Jobs.Created;Estimated.1;Project.Type;geographic distance;SIC;listed;sales;assets;cap_structure;rnd;profit;rndintensity;polcon;homeC_gdp;targetC_gdp;homeC_gdppc;targetC_gdppc
1302;AUS;2008;FR338966385;FRA;Design, Development & Testing;33.1;Yes;36;Yes;New;15.26414042;3669;Unlisted;4333088.972;4037211.732;0;NA;-1339221.733;NA;0.489032525;2.92347E+12;1.05456E+12;45413.06571;49628.11513
1311;AUS;2008;US*190521496652;USA;Research & Development;8.4;Yes;30;No;New;15.24712914;NA;Unlisted;NA;NA;NA;NA;NA;NA;0.489032525;1.47E+13;1.05456E+12;48401.42734;49628.11513
1313;AUS;2008;GB05817296;GBR;Business Services;9.7;Yes;10;Yes;New;15.31094496;7389;Unlisted;NA;87.64187374;NA;NA;NA;NA;0.489032525;2.87546E+12;1.05456E+12;46523.26545;49628.11513
1318;AUS;2008;US129687150L;USA;Business Services;1.3;Yes;225;Yes;New;15.24712914;7373;Unlisted;NA;NA;NA;NA;NA;NA;0.489032525;1.47E+13;1.05456E+12;48401.42734;49628.11513
1351;AUS;2008;GB*P0060071;GBR;Electricity;516;No;51;Yes;New;15.31094496;NA;Unlisted;NA;NA;NA;NA;NA;NA;0.489032525;2.87546E+12;1.05456E+12;46523.26545;49628.11513
9925;AUS;2008;GB00034121;GBR;Business Services;34.8;Yes;37;Yes;New;15.31094496;4412;Unlisted;NA;2079288.611;0.355157008;NA;94320.15469;NA;0.489032525;2.87546E+12;1.05456E+12;46523.26545;49628.11513
9932;AUS;2008;CA30060NC;CAN;Sales, Marketing & Support;3.2;Yes;11;Yes;New;14.88812529;1094;Listed;NA;NA;NA;NA;NA;NA;0.489032525;1.54913E+12;1.05456E+12;46596.33599;49628.11513
9935;AUS;2008;US940890210;USA;Manufacturing;771;Yes;266;Yes;New;15.24712914;2911;Listed;NA;NA;NA;NA;NA;NA;0.489032525;1.47E+13;1.05456E+12;48401.42734;49628.11513
9938;AUS;2008;US770059951;USA;Technical Support Centre;9.1;Yes;104;Yes;Co-Locati;15.24712914;3661;Listed;34922000;53340000;0.120134983;4598000;7333000;0.086201723;0.489032525;1.47E+13;1.05456E+12;48401.42734;49628.11513
9946;AUS;2008;US010562944;USA;Extraction;535.8;Yes;198;Yes;New;15.24712914;2911;Listed;NA;NA;NA;NA;NA;NA;0.489032525;1.47E+13;1.05456E+12;48401.42734;49628.11513
9955;AUS;2008;DE5030147191;DEU;Logistics, Distribution & Transportation;21.2;Yes;134;Yes;New;14.6718338;4311;Listed;93495971.01;346629334.8;0.036629492;0;2044745.934;0;0.489032525;3.75237E+12;1.05456E+12;45699.19832;49628.11513
9958;AUS;2008;US126012192L;USA;Business Services;9.7;Yes;10;Yes;New;15.24712914;8111;Unlisted;NA;NA;NA;NA;NA;NA;0.489032525;1.47E+13;1.05456E+12;48401.42734;49628.11513
9969;AUS;2008;US135409005;USA;Extraction;NA;No;538;Yes;New;15.24712914;2911;Listed;NA;NA;NA;NA;NA;NA;0.489032525;1.47E+13;1.05456E+12;48401.42734;49628.11513
9977;AUS;2008;JP000000728JPN;JPN;ICT & Internet Infrastructure;128.6;Yes;77;Yes;New;7.0333688;3571;Listed;53255396.85;38181450.16;0.190244908;2584585.523;480589.4308;0.067692176;0.489032525;5.03791E+12;1.05456E+12;39339.29757;49628.11513
9984;AUS;2008;US841547578;USA;Sales, Marketing & Support;13.6;Yes;23;Yes;New;15.24712914;2095;Listed;NA;NA;NA;NA;NA;NA;0.489032525;1.47E+13;1.05456E+12;48401.42734;49628.11513
9993;AUS;2008;US258715604L;USA;Customer Contact Centre;1.8;No;40;No;New;15.24712914;NA;Unlisted;NA;NA;NA;NA;NA;NA;0.489032525;1.47E+13;1.05456E+12;48401.42734;49628.11513
这个问题在聊天中得到了解决，是两个问题之一：
- 请参阅下面我的原始答案，这导致了
Error；当它被修复时，我们看到 - 有一个警告，通知一个列(恰好是同一列(看起来是
numeric，但在文件内部的某个位置有一个非数字单元格
下面解决了第一个问题，第二个问题只是一个警告。
但是，因为OP要求通过SQL转换为数字，所以NA被转换为0，这是不好的。我的建议是要么使用cast([Capital.Investment] as char) as [Capital.Investment]并使用R的as.numeric转换为数字(保留NA的性质(，要么直接使用read.csv2(.)文件并使用sqldf(.)对类似表的数据使用SQL查询。
前置：在列名周围添加括号或引号。
理由：Capital.Investment被视为点分隔的表列或模式表，或者类似的东西，而不是您想要的。我相信在SQL中，通常带有嵌入点的字段名需要这种转义。如果您的数据有一个嵌入的空格，请注意R不喜欢其字段名称中的空格，因此在读取数据时默认使用make.names(用点替换空格(。
设置：
将以下内容保存为"quux.csv"。(我将其命名为csv，但由于我将其更改为以;分隔，因此它的行为相同。(
quux;Capital.Investment
1;100
2;200
(或者你可以使用Capital Investment，这是一样的。(
sqldf::read.csv2.sql("quux.csv", sql='select quux, cast(Capital.Investment as real) from file')
# Error: no such column: Capital.Investment
sqldf::read.csv2.sql("quux.csv", sql='select quux, cast([Capital.Investment] as real) as CI from file')
# quux CI
# 1 1 100
# 2 2 200
sqldf::read.csv2.sql("quux.csv", sql='select quux, cast("Capital.Investment" as real) as CI from file')
# quux CI
# 1 1 100
# 2 2 200