我正在读入一个非常大的数据文件,大约有300个变量。我使用的是readr:read_csv(),它可以完成95%的任务。然而,对于8个变量,我得到了一个解析错误。这些变量被认为是逻辑变量,但实际上它们是字符。现在,我不想手动格式化所有列类型,因为95%是正确的。我只想为那些出现解析错误的列设置列类型。我该怎么做呢?
发布于 2021-07-08 18:04:08
只需手动设置其余类型的类型即可。例如,如果导致解析错误的所有剩余列都应该是逻辑列,则可以使用
library(dplyr)
df %>%
mutate(across(c("COLUMNS_TO_CHANGE"), as.logical))有几种方法可以在across-funtion中选择多个列,例如starts_With、ends_With、matches,具体取决于列的命名方式以及这些列是否有可供选择的模式。
研究一下tidyverse-package,特别是dplyr和tidyr来完成这类任务。R for Data Science这本书是一个很好的开始。
发布于 2021-07-08 18:04:48
您可以使用参数col_types设置特定列的数据类型,例如:
df <- read_csv(
"my_file.csv",
col_types = cols(
x = col_character(), # or string abbreviation "c"
y = col_logical()
)
)其中x和y是列名。并不是所有其他列都会被自动解析,所以您不需要指定所有列。有关更多详细信息,请参阅readr documentation (可用列规范部分)!
发布于 2021-07-08 17:56:09
您是否可以尝试使用库(data.table)和fread函数。例如data=fread("fantastic_cluster.csv")。使用colClasses = c("date" = "character"),您还可以指定某些列的结构。如果你发布了你的数据的一个子集,我可能会更有帮助.
https://stackoverflow.com/questions/68299327
复制相似问题