0

我有一些 CSV 文件的 sqldf 列有问题，导致一些数字列被归类为字符。我怎样才能只为这些列指定类，而不是每一列？有很多列，我不一定要为所有列指定类。

这些问题列中的大部分数据都是零，因此当它们是数字（或实数）数据类型时，sqldf 将它们读取为整数。请注意， read.csv 正确分配了类。我不够聪明，无法生成具有正确属性的合适数据集（前 50 个值为零，然后在第 51 行中的值为 1.45），但这是一个加载数据的示例调用：

df <- read.csv.sql("data.dat", sql="select * from file",  
                   file.format=list(colClasses=c("attr4"="numeric")))

返回此错误：

Error in sqldf(sql, envir = p, file.format = file.format, dbname = dbname,  :
   formal argument "file.format" matched by multiple actual arguments

我可以以某种方式使用另一个 read.table 调用来计算数据类型吗？我可以将所有列作为字符读取，然后将一些转换为数字吗？有一小部分数字是字符，与所有数字列相比，指定这些数字会更容易。我想出了这个丑陋的部分解决方案，但它仍然在最后一行失败并显示相同的错误消息：

df.head <- read.csv("data.dat", nrows=10)
classes <- lapply(df.head, class)  # also fails to get classes correct
classes <- replace(classes, classes=="integer", "numeric")
df <- read.csv.sql("data.dat", sql="select * from file",  
                   file.format=list(colClasses=classes))
4

1 回答 1

2

仔细查看文档read.csv.sql，特别是参数nrows：

nrows：用于确定列类型的行数。它默认为 50。使用 -1 会导致它使用所有行来确定列类型。

从查看文档中您会注意到的另一件事read.csv.sql是sqldf，没有colClasses参数。如果您阅读 中的file.format文档sqldf，您会看到file.format列表中的参数不是传递给read.table而是传递给sqliteImportFile，它不了解 R 的数据类型。如果您不喜欢修改nrows参数，您可以将整个数据框读取为具有字符类型，然后使用您喜欢的任何方法来确定哪一列应该是什么类。但是，在阅读整列之前，您总是会遇到不知道整数是整数还是数字的问题。此外，如果速度问题真的让你死了，你可能要考虑远离 CSV。

于 2013-07-18T15:46:43.150 回答