r - data.table::fread 的 stringsAsFactors=TRUE 参数不会将字符列转换为因子类型 - 解决方法是什么？

Question

我知道这个问题已在多个地方提出，我几个小时以来一直在尝试寻找可能的好的解决方案，但失败了。这就是我问这个的原因。

所以，我有一个巨大的数据文件(~5GB)，我使用 fread() 来读取它

library(data.table)
df<- fread('output.txt', sep = "|", stringsAsFactors = TRUE)
head(df, 5)
       age            income homeowner_status_desc marital_status_cd gender
1:         $35,000 - $49,999                                               
2: 35 - 44 $35,000 - $49,999                  Rent            Single      F
3:         $35,000 - $49,999                                               
4:                                                                         
5:         $50,000 - $74,999 
str(df)
Classes ‘data.table’ and 'data.frame':  999 obs. of  5 variables:
 $ age                  : chr  "" "35 - 44" "" "" ...
 $ income               : chr  "$35,000 - $49,999" "$35,000 - $49,999" "$35,000 - $49,999" "" ...
 $ homeowner_status_desc: chr  "" "Rent" "" "" ...
 $ marital_status_cd    : chr  "" "Single" "" "" ...
 $ gender               : chr  "" "F" "" "" ...
 - attr(*, ".internal.selfref")=<externalptr> 

缺少数据(空白处)。在原始数据中，有很多列，因此我需要找到一种方法，只要列包含字符串，就可以使列因式分解。谁能建议完成此任务的最佳实践是什么？我正在考虑将其更改为数据框并执行此操作。但是当它是一个 data.table 时可以做到这一点吗？

Answer 1

刚刚在 v 1.9.6+ 中为 fread 实现了 stringsAsFactors 参数

来自NEWS :

24. Implemented stringsAsFactors argument for fread(). When TRUE, character columns are converted to factors. Default is FALSE. Thanks to Artem Klevtsov for filing #501, and to @hmi2015 for this SO post.