防止柱級推理中的fread（）

Question

是否有fread由此可變的class是由在讀取的數據設置爲模仿read.table行爲的方式。

我有一個數字數據主要數據下面有幾條評論。當我使用fread來讀取數據時，列被轉換爲字符。但是，通過將nrow設置爲read.table`，我可以阻止此行爲。這是可能的fread。 （我不希望修改原始數據或修改副本）。由於

一個例子

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) 

將會產生

> 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> 

作爲一種變通方法，我想我將能夠使用read.table在一行閱讀，獲取類，並設置colClasses，但我誤解了。

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 ř版本3.1.2（2014年10月31日） 平臺：x86_64的-W64-的mingw32/64（64位）

Answer 1

選項1：使用系統命令

fread()允許在第一個參數中使用系統命令。我們可以使用它來刪除文件第一列中的引號。

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> 

的系統命令cat test.csv | tr -d '\"'解釋：

• cat test.csv讀取文件到標準輸出
• |是一個管，使用前一命令的輸出作爲輸入的下一個命令
• tr -d '\"'刪除（-d）

---

選項2從當前輸入雙引號（'\"'）的所有出現：讀

由於選項1後強制似乎並不奏效您的系統上，另一可能會像你那樣讀取文件，但將x列轉換爲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> 

附註：我通常喜歡使用type.convert()在as.numeric()避免在某些情況下觸發警告「受到脅迫介紹來港」。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 

但是當然你也可以使用as.numeric()。

---

注：這個答案假定data.table dev v1.9.5

Answer 2

好了，客戶abusing CSV format故意寫出來後串行一個整數列，但不啓動與comment.char那些行（#） 。

然後你以某種方式期望你可以覆蓋fread()的類型推斷來讀取那些整數，通過使用nrow試圖限制它看到整數行。 read.csv(..., nrow)會接受這個，但fread()總是使用所有行進行類型推斷（不僅僅是nrow, skip, header指定的行），即使它們以comment.char（這是一個bug）開頭。

1. 聽起來像濫用CSV。您的評論行應預先加上#
2. 是的，fread()需要修正/增強以忽略類型推斷的註釋行。
3. 現在，你可以用fread()通過後處理的數據表中讀取的解決辦法
4. 這是值得商榷的fread()是否應該改變，以支持你想要的行爲：使用NROWS來限制被暴露於類型推斷。它可能會修復你的（非常獨特的）案例並破壞其他一些案例。

我不明白爲什麼你（編輯：客戶）不能寫入您的意見，以一個單獨的.txt/README /數據字典文件陪.csv。使用單獨的數據字典文件的做法已相當成熟。 我從來沒有見過有人這樣做到CSV文件。至少將評論移動到標題，而不是頁腳。