r - 防止 fread() 中的列类推断

Question

fread有办法吗？模仿 read.table 的行为由此class变量的值由读入的数据设置。

我有数字数据，在主要数据下方有一些注释。当我使用 fread为了读入数据，列被转换为字符。但是，通过设置 nrow在 read.table` 中，我可以阻止这种行为。这在 fread.h 中可能吗？ (我不想更改原始数据或制作修改后的副本)。谢谢

一个例子

d <- data.frame(x=c(1:100, NA, NA, "fff"), y=c(1:100, NA,NA,NA)) 
write.csv(d, "test.csv",  row.names=F)

in_d <- read.csv("test.csv", nrow=100, header=T)
in_dt <- data.table::fread("test.csv", nrow=100)

其中产生

> str(in_d)
'data.frame':   100 obs. of  2 variables:
 $ x: int  1 2 3 4 5 6 7 8 9 10 ...
 $ y: int  1 2 3 4 5 6 7 8 9 10 ...
> str(in_dt)
Classes ‘data.table’ and 'data.frame':  100 obs. of  2 variables:
 $ x: chr  "1" "2" "3" "4" ...
 $ y: int  1 2 3 4 5 6 7 8 9 10 ...
 - attr(*, ".internal.selfref")=<externalptr>

作为一种解决方法，我认为我可以使用 read.table在一行中阅读，获取类并设置 colClasses ，但我误解了。

cl <- read.csv("test.csv", nrow=1,  header=T)
cols <- unname(sapply(cl, class))
in_dt <- data.table::fread("test.csv", nrow=100, colClasses=cols)
str(in_dt)

使用 Windows8.1
R 版本 3.1.2 (2014-10-31)
平台:x86_64-w64-mingw32/x64(64位)

Answer 1

选项 1:使用系统命令
fread()允许在其第一个参数中使用系统命令。我们可以使用它来删除文件第一列中的引号。

indt <- data.table::fread("cat test.csv | tr -d '\"'", nrows = 100)
str(indt)
# Classes ‘data.table’ and 'data.frame':    100 obs. of  2 variables:
#  $ x: int  1 2 3 4 5 6 7 8 9 10 ...
#  $ y: int  1 2 3 4 5 6 7 8 9 10 ...
#  - attr(*, ".internal.selfref")=<externalptr> 

系统命令 cat test.csv | tr -d '\"' 解释:

cat test.csv读取文件到标准输出

|是一个管道，使用前一个命令的输出作为下一个命令的输入

tr -d '\"'从当前输入

中删除( -d )所有出现的双引号( '\"' )


选项 2:阅读后的胁迫

由于选项 1 似乎不适用于您的系统，另一种可能性是像您一样读取文件，但转换 x列与 type.convert() .

library(data.table)
indt2 <- fread("test.csv", nrows = 100)[, x := type.convert(x)]
str(indt2)
# Classes ‘data.table’ and 'data.frame':    100 obs. of  2 variables:
#  $ x: int  1 2 3 4 5 6 7 8 9 10 ...
#  $ y: int  1 2 3 4 5 6 7 8 9 10 ...
#  - attr(*, ".internal.selfref")=<externalptr> 

旁注:我通常更喜欢使用 type.convert()在 as.numeric()避免在某些情况下触发“强制引入的 NA”警告。例如，

x <- c("1", "4", "NA", "6")
as.numeric(x)
# [1]  1  4 NA  6
# Warning message:
# NAs introduced by coercion 
type.convert(x)
# [1]  1  4 NA  6

但当然你可以使用 as.numeric()以及。

注:这个答案假设 data.table dev v1.9.5