问题标签 [readr]

前几天刚问过，使用readrpackage时如何设置具体的列类型。在 r 中使用 readr 读取文件时的大整数

有没有办法通过通配符定义列名？就我而言，有时我有几列以Intensity和一个附录开头，具体取决于实验。read_tsv如果您事先不知道使用了哪些项目名称，则很难在函数中使用。

所以像这样的东西col_types = cols('Intensity.*' = col_double())会很棒。

有人知道如何获得此功能吗？

编辑： 也许像阅读前两行，grep'强度'，names然后以某种方式创建这个参数，如cols(Intensity=col_double(), 'Intensity pg'=col_double(), 'Intensity hs'=col_double()). 但我不知道如何动态创建这个参数值。

我喜欢此 RStudio 博客文章中描述的有关列规格的工作流程。基本上，可以在导入后获取列规范read_csv，然后将其保存下来以备后用。例如，从那个帖子：

不幸的是，规范对象本身是带有属性的列表，但这些与通过参数提供给read_csv函数的不同列规范不匹配col_types

此外，.rds 文件很难在 Windows 中进行编辑（至少对我而言）。

我希望能够编辑一个大col_spec对象（例如，跳过某些列，或者以其他方式编辑类）。我可以继续猜测我需要编辑列表的字符串，如下所示：

但这似乎很尴尬。有没有更优雅的方法来更新列分类，比如在我的示例中，尝试跳过mtcars$cyl列？或者，如果不是一种优雅的方式，一种涵盖所有可能类型的方式？我不想对如何<collector_date>使用各种日期格式进行大量猜测。

我正在从曾经存储为磁带的大文件（fwf 和 csv）中导入数据，因此在读写磁带时可能会产生错误。

旧文件采用固定宽度文件 (fwf) 格式 新文件采用 .csv 格式（以“;”作为分隔符）

错误可能是这样的：

对于 fwf 文件：

• 损坏的字符会横向破坏所有数据序列，从而使所有单元格从那时起与内容不匹配。
• 缺少行尾字符

对于 csv 文件：

• 损坏的字符
• 在其他数字列中损坏的字符或字母
• 意外的分隔符（导致比预期更多的分隔符（
  列数 - 1）

有没有办法将它导入 R 跳过错误行，但保留错误日志以便之后可以手动检查它们？

还是我应该使用 R 外部的其他工具？在这种情况下，使用哪个工具？

我有大约 100 个非常大的文件（每个 90GB），所以我更喜欢一些基于 data.table::fread 或其他一些快速的解决方案。

有时，字节顺序标记 (BOM) 出现在 .CSV 文件的开头。当您使用记事本或 Excel 打开文件时，该符号不可见，但是，当您使用各种方法在 R 中读取文件时，您将在第一列的名称中使用不同的符号。这是一个例子

开头带有 BOM 的示例 csv 文件。

read.csv在基本 R 包中通读

通读data.tablefread包

在readrread_csv包中通读

您可以注意到变量名称 ID 前面的不同字符。

这是在所有这些上运行名称时的结果

在x3中，前面没有任何“可见” ID，但是当您检查时

如何在每种情况下摆脱这些不需要的字符。PS：请添加更多读取csv文件的方法，面临的问题和解决方案。

有没有办法使用包中的type_convert函数readr而不告诉你它在控制台中使用的列规范。

从?帮助文档中的示例：

我希望这Parsed with column specification部分消失，所以它看起来像：

这是一个包含两个字符列的 CSV 文件：

所有字符值都用双引号引起来。并且其中一个值中有一个序列\",（转义引号加定界符）。我无法通过 read.csv、readr 中的 read_csv 或 data.table 中的 fread 正确读取此文件。

我的 CSV 如下所示

但是当我在 R 中阅读它时，它会更改日期和时间的格式（最重要的问题）。

这是我用来读取 csv 的简单代码

我怎样才能使日期和时间的格式不会改变并且看起来像第一张图片？

有没有办法将readr括号中的数字解析为负数？例如，在下面的代码中，我希望将列B解析为数字，并将第一项解析为 -2.3。

目前我只是读取字符数据然后进行后处理，但我更愿意（比如说）注册一个自定义解析器。

我正在将这个网页上的文本文件读入 R。如果我读到这个数据并且read.table数据被正确解析并且我得到了所有 12 个月的数据：

但是，如果我用它读取这些数据，read_table首先会出现它被正确解析；但是，两位数的月份代码（10、11、12）正在被剥离，因此只解析了第一个数字。

数据的维度相同；但是，我无法弄清楚如何导入数据read_table以保留完整的月份编码。

我有一个包含许多列的 .csv 数据文件。不幸的是，字符串值没有引号（即，apples io "apples）。当我使用 readr 包中的 read_csv 时，字符串值被导入为字符：

结果是：

有没有办法强制 read_csv 将字符串值作为因子 io 字符导入？

重要的是，我的数据文件有这么多列（字符串和数字变量），AFAIK 无法通过提供带有 col_types 参数的列规范来完成这项工作。

替代解决方案（例如，使用 read.csv 导入数据，或使用 dplyr 代码将数据框中的所有字符变量更改为因子）也受到赞赏。

更新：我了解到 csv 文件中的值是否有引号对 read.csv 或 read_csv 没有影响。read.csv 会将这些值作为因子导入；read_csv 会将它们作为字符导入。我更喜欢使用 read_csv，因为它比 read.csv 快得多。