r - 如何跳过阅读阅读器中的某些列

Question

我有一个名为“test.csv”的简单 csv 文件，其内容如下：

colA,colB,colC
1,"x",12
2,"y",34
3,"z",56

假设我想跳过 colA 中的阅读，而只阅读 colB 和 colC。我想要一种通用的方法来做到这一点，因为我有很多文件要读入，有时 colA 完全被称为其他东西，但 colB 和 colC 总是相同的。

根据 read_csv 文档，实现此目的的一种方法是为 col_types 传递一个命名列表，并且只命名您要保留的列：

read_csv('test.csv', col_types = list(colB = col_character(), colC = col_numeric()))

通过不提及 colA 它应该从输出中删除。但是，生成的数据框是：

Source: local data frame [3 x 3]

      colA colB colC
    1    1    x   12
    2    2    y   34
    3    3    z   56

我做错了什么还是 read_csv 文档不正确？根据帮助文件：

如果是一个列表，它必须为每一列包含一个“收集器”。如果您只想读取列的子集，则可以使用命名列表（其中名称给出列名称）。如果未按名称提及列，则不会将其包含在输出中。

score 22 · Accepted Answer

那里有一个答案，我只是搜索不够努力： https ://github.com/hadley/readr/issues/132

显然这是一个已更正的文档问题。最终可能会添加此功能，但 Hadley 认为仅更新一种列类型而不删除其他列类型更有用。

更新：该功能已添加

以下代码来自阅读器文档：

read_csv("iris.csv", col_types = cols_only( Species = col_factor(c("setosa", "versicolor", "virginica"))))

这将只读取 iris 数据集的 Species 列。为了只读取特定列，您还必须传递列规范，即col_factor,col_double等...

score 5 · Accepted Answer

“根据 read_csv 文档，实现此目的的一种方法是为 col_types 传递一个命名列表，并且只命名您想要保留的列”

WRONG: read_csv('test.csv', col_types=list(colB='c', colC='c'))

不，该文档具有误导性，您必须指定删除未命名的 cols (class= '_'/ col_skip())，或者将它们的类明确指定为 NULL：

read_csv('test.csv', col_types=list('*'='_', colB='c', colC='c'))

read_csv('test.csv', col_types=list('colA'='_', colB='c', colC='c'))

2 回答 2