r - 如何使用 readxl 选择特定列和类型？

Question

我正在尝试使用 解决将 xls 数据导入 R 的问题阅读 xl 包裹。具体的 xls 文件有 18 列和 472 行，前 7 行有需要跳过的描述性文本。我只想选择列 1,3,6:9 在 EDA 的 18 列中。它们具有混合类型，包括日期、数字和文本。

readxl 似乎无法直接导入非连续列。我的计划是先使用 skip =7 阅读整张纸，然后使用 select next step。但是，问题是readxl默认将日期类型猜测为数字。在 readxl 中有没有办法指定 col_types 按列名 ?

带有示例 xlsx 的可重现代码，用于解决演示。

    library(readxl)

    xlsx_example <- readxl_example("datasets.xlsx")

    # read the entire table
    read_excel(xlsx_example)

    # select specific column to name - following code does not work

    read_excel(xlsx_example, col_types=col (Sepal.Length = "numeric"))

Answer 1

据我所知，您是 不是 能够指定col_types按列名。不过，可以只读取特定列。例如，
read_excel(xlsx_example, col_types=c("numeric", "skip", "numeric", "numeric", "skip"))
将导入第 1、3 和 4 列并跳过第 2 和 5 列。您可以为 18 列执行此操作，但我认为这有点难以跟踪将哪个列作为哪种类型导入。

另一种方法是使用 col_types = "text" 将所有列作为文本读取。然后按名称选择和转换变量。例如:

library(tidyverse)
library(readxl)
xlsx_example <- readxl_example("datasets.xlsx")
df <- read_excel(xlsx_example, col_types = "text")
df %>% 
  select(Sepal.Length, Petal.Length) %>% 
  mutate(Sepal.Length = as.numeric(Sepal.Length))
#> # A tibble: 150 x 2
#>    Sepal.Length Petal.Length
#>           <dbl>        <chr>
#>  1          5.1          1.4
#>  2          4.9          1.4
#>  3          4.7          1.3
#>  4          4.6          1.5
#>  5          5.0          1.4
#>  6          5.4          1.7
#>  7          4.6          1.4
#>  8          5.0          1.5
#>  9          4.4          1.4
#> 10          4.9          1.5
#> # ... with 140 more rows