在readr中使用的"col_*()“形式的可允许的列对象是什么？

Question

readr::read_csv错误地读取了我正在加载的文件中的某些列类型，所以我想使用cols手动设置它们。

在?read_csv中，它指出col_types参数应该是_“一个‘NULL’、一个‘cols()’规范或一个字符串。有关更多详细信息，请参阅‘vignette(”column-types“)”。“嗯，vignette("column-types")给了vignette("column-types") not found，所以我试着用?cols。它说它接受“由‘col_*()’创建的列对象或它们的缩写字符名称”。

什么是可接受的函数或缩写字符名称?我在哪里可以找到这些信息？readr 1.1.1 btw。

Answer 1

有col_double、col_integer、col_character、col_date、col_factor、.etc

library(readr)

mtcars <- read_csv(readr_example("mtcars.csv"), col_types = 
                     cols(
                       mpg = col_double(),
                       cyl = col_integer(),
                       disp = col_double(),
                       hp = col_integer(),
                       drat = col_double(),
                       vs = col_integer(),
                       wt = col_double(),
                       qsec = col_double(),
                       am = col_integer(),
                       gear = col_integer(),
                       carb = col_integer()
                     )
)
mtcars

#> # A tibble: 32 x 11
#>      mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
#>    <dbl> <int> <dbl> <int> <dbl> <dbl> <dbl> <int> <int> <int> <int>
#>  1  21       6  160    110  3.9   2.62  16.5     0     1     4     4
#>  2  21       6  160    110  3.9   2.88  17.0     0     1     4     4
#>  3  22.8     4  108     93  3.85  2.32  18.6     1     1     4     1
#>  4  21.4     6  258    110  3.08  3.22  19.4     1     0     3     1
#>  5  18.7     8  360    175  3.15  3.44  17.0     0     0     3     2
#>  6  18.1     6  225    105  2.76  3.46  20.2     1     0     3     1
#>  7  14.3     8  360    245  3.21  3.57  15.8     0     0     3     4
#>  8  24.4     4  147.    62  3.69  3.19  20       1     0     4     2
#>  9  22.8     4  141.    95  3.92  3.15  22.9     1     0     4     2
#> 10  19.2     6  168.   123  3.92  3.44  18.3     1     0     4     4
#> # ... with 22 more rows

或者，您可以使用紧凑的字符串表示形式，其中每个字符表示一列：c = character、i = integer、n = number、d = double、l = logical、D = date、T = date time、t = time、? = guess或_/-跳过该列。

mtcars_select <- read_csv(readr_example("mtcars.csv"), 
                          col_types = cols_only(mpg = 'd', cyl = 'i', hp = 'i', 
                                                qsec = 'd', gear = 'i'),
                          na = c("NA", "N/A", "-9999", "-999"))
mtcars_select

#> # A tibble: 32 x 5
#>      mpg   cyl    hp  qsec  gear
#>    <dbl> <int> <int> <dbl> <int>
#>  1  21       6   110  16.5     4
#>  2  21       6   110  17.0     4
#>  3  22.8     4    93  18.6     4
#>  4  21.4     6   110  19.4     3
#>  5  18.7     8   175  17.0     3
#>  6  18.1     6   105  20.2     3
#>  7  14.3     8   245  15.8     3
#>  8  24.4     4    62  20       4
#>  9  22.8     4    95  22.9     4
#> 10  19.2     6   123  18.3     4
#> # ... with 22 more rows

甚至更短

mtcars <- read_csv(readr_example("mtcars.csv"), col_types = "di_i__d__i_")
mtcars

# A tibble: 32 x 5
     mpg   cyl    hp  qsec  gear
   <dbl> <int> <int> <dbl> <int>
 1  21       6   110  16.5     4
 2  21       6   110  17.0     4
 3  22.8     4    93  18.6     4
 4  21.4     6   110  19.4     3
 5  18.7     8   175  17.0     3
 6  18.1     6   105  20.2     3
 7  14.3     8   245  15.8     3
 8  24.4     4    62  20       4
 9  22.8     4    95  22.9     4
10  19.2     6   123  18.3     4
# ... with 22 more rows

参考：

https://cran.r-project.org/web/packages/readr/vignettes/readr.html

https://www.rdocumentation.org/packages/readr/versions/1.1.1/topics/cols

Answer 2

我也认为这并没有明显的文档记录。您可以从readr阅读col_types.R的源代码，其中包含以下缩写：

"_" = ,
"-" = col_skip(),
"?" = col_guess(),
c = col_character(),
D = col_date(),
d = col_double(),
i = col_integer(),
l = col_logical(),
n = col_number(),
T = col_datetime(),
t = col_time()

设置列类型的方法是传递一个命名的向量：

col_types = cols(column_1 = col_integer(), column2 = col_character())

或者，如果您使用的是col_names，只需传递一个相同长度的向量。

如果覆盖默认值的原因是read_csv猜错了类型，那么您可以使用spec_csv来克服这个问题，并允许在猜测类型时使用更多的行(默认情况下，它使用1,000行)。例如

x<- spec_csv(filename,guess_max=2000)
read_csv(filename,col_types = x)`