R - sqldf() 返回零行数据框

Question

我正在尝试使用描述的方法从非常大的 csv 文件中读取选择数据的有效方法 here通过@JD_Long。该方法依赖于同名库中的 sqldf() 函数。我遇到的问题是该函数返回一个空数据框，该数据框具有正确的列数及其名称，但行数为零。

一旦数据帧被 sqldf() 读入工作环境，我已经截断了用于处理数据帧的格式化函数。

sum_stats_df <- function(f_name){
  # read in data
  f <- file(f_name, open = "r")
  df <- sqldf("select * from f limit 6", dbname = tempfile(),
              file.format = list(header = T, row.names = F))
  close(f, type='r')
  return(df)

我正在使用的 csv 数据集是我从 ASA 网站下载的著名的交通统计局航类数据 here .

我尝试了上面链接的 StackOverflow 问题中的示例代码。

bigdf <- data.frame(dim=sample(letters, replace=T, 4e7), fact1=rnorm(4e7), fact2=rnorm(4e7, 20, 50))
write.csv(bigdf, 'bigdf.csv', quote = F)
library(sqldf)
f <- file("bigdf.csv")
bigdf <- sqldf("select * from f", dbname = tempfile(), file.format = list(header = T, row.names = F))

当我调用 sum_stats_df("bigdf.csv") 时它工作得很好。我尝试使用 Windows 文件资源管理器中的属性查看模拟文件和航类 csv 文件的属性，但它们看起来是相同的信息格式。唯一的区别是文件大小。航类文件要大得多，但我不明白这有什么关系。

我尝试的下一件事是使用 read.csv(..., nrow=20) 加载其中一个航类 csv 文件的二十行，然后获取生成的数据帧并将其写回到 csv 文件。当我在那个新的 csv 测试文件上尝试有问题​​的函数时，它起作用了。

> print(head(sum_stats_df("test.csv")))
    X Year Month DayofMonth DayOfWeek DepTime CRSDepTime ArrTime CRSArrTime UniqueCarrier
1 "1" 1987    10         14         3     741        730     912        849          "PS"
2 "2" 1987    10         15         4     729        730     903        849          "PS"
3 "3" 1987    10         17         6     741        730     918        849          "PS"
4 "4" 1987    10         18         7     729        730     847        849          "PS"
5 "5" 1987    10         19         1     749        730     922        849          "PS"
6 "6" 1987    10         21         3     728        730     848        849          "PS"

但是，同样，使用原始 csv 文件的调用返回一个空数据帧。

> print(head(sum_stats_df("2000.csv")))
 [1] Year              Month             DayofMonth        DayOfWeek         DepTime          
 [6] CRSDepTime        ArrTime           CRSArrTime        UniqueCarrier     FlightNum        
[11] TailNum           ActualElapsedTime CRSElapsedTime    AirTime           ArrDelay         
[16] DepDelay          Origin            Dest              Distance          TaxiIn           
[21] TaxiOut           Cancelled         CancellationCode  Diverted          CarrierDelay     
[26] WeatherDelay      NASDelay          SecurityDelay     LateAircraftDelay
<0 rows> (or 0-length row.names)

所以我想知道我从 ASA 下载的 csv 文件与我使用 write.csv() 在本地编写的文件有何不同？ sqldf() 返回空数据帧但获取所有列名的其他原因可能是什么？

Answer 1

SQLite 对行尾字符很挑剔，如果文件来自其他地方，这些字符可能与操作系统上的默认值不同。

在 Windows 和 Linux Ubuntu 上这对我有用，假设你已经解压了它:

read.csv.sql("1987.csv", "select * from file limit 3", eol = "\n")

或在 Windows 上使用原始 bz2 文件并假设 7z 可执行文件在您的路径上:

read.csv.sql("1987.csv", "select * from file limit 3", eol = "\n",
    filter = "7z x -so 1987.csv.bz2 2>NUL")

在 Linux 上我们可以使用 bzip2 代替:

read.csv.sql("1987.csv", "select * from file limit 3", eol = "\n",
    filter = "bzip2 -cd 1987.csv.bz2")

关于 sqldf github page 的常见问题解答 16有一个与这个非常相似的例子。