我尝试使用read_csv从{readr}读取CSV文件到R。为了演示我的真实的问题，我首先将参数guess_max重置为5（默认值为1000）
library(readr)
formals(read_csv)$guess_max <- 5以较小的文字数据为例：
csv <- I(
"ID, Col1, Col2, VarA, VarB, VarC
1, NA, NA, NA, NA, NA
2, NA, NA, NA, NA, NA
3, NA, NA, NA, NA, NA
4, NA, NA, NA, NA, NA
5, 0, 1, x, y, z
6, NA, NA, NA, NA, NA")
read_csv(csv)
# # A tibble: 6 × 6
# ID Col1 Col2 VarA VarB VarC
# <dbl> <lgl> <lgl> <lgl> <lgl> <lgl>
# 1 1 NA NA NA NA NA
# 2 2 NA NA NA NA NA
# 3 3 NA NA NA NA NA
# 4 4 NA NA NA NA NA
# 5 5 FALSE* TRUE* NA* NA* NA*
# 6 6 NA NA NA NA NA*：出现解析问题
受guess_max影响，只有前5行（列名和ID 1到4）用于猜测列类型。因为ID 1到4中的值都丢失了，所以所有列都被猜测为logical，并且被错误地解析：
0，1（整数）→FALSE，TRUE（逻辑）'x'、'y'、'z'（字符）→NA（逻辑）
在这种情况下，我必须手动设置col_types：
read_csv(csv, col_types = cols(Col1 = col_integer(), Col2 = col_integer(),
VarA = col_character(), VarB = col_character(), VarC = col_character()))
# # A tibble: 6 × 6
# ID Col1 Col2 VarA VarB VarC
# <dbl> <int> <int> <chr> <chr> <chr>
# 1 1 NA NA NA NA NA
# 2 2 NA NA NA NA NA
# 3 3 NA NA NA NA NA
# 4 4 NA NA NA NA NA
# 5 5 0 1 x y z
# 6 6 NA NA NA NA NA当有更多的列时，逐个提供列类型是很烦人的。如果我想要指定的那些列的名称有一些模式，我希望使用类似 的语法来指定跨多个列的类型，例如{dplyr}中的across()。伪代码如下：
read_csv(csv, col_types = cols(across(starts_with("Col"), col_integer()),
across(starts_with("Var"), col_character())))是否可以通过readr本身或其他附加包？
先谢谢你了！
编辑
我需要使用col_xxx()，而不是它们的缩写（'i'，'c'等）来创建列规范，以用于更通用的目的，例如：
cols(across(contains("Date"), col_date(format = "%m-%d-%Y")),
across(Fct1:Fct9, col_factor(levels = custom_levels)))
1条答案
按热度按时间m1m5dgzv1#
read_delim()系列使用tidy-selection来选择参数为col_select的列。您可以利用此参数将整理选择合并到列类型的规范中。下面是一个简单的实现。关键是设置n_max = 0L只读取列名行。版本1
上面的方法很简单，但还过得去，但有一些缺点：
1.相同的文件源（即对象
csv）需要传递给每个col_across()。read_delim系列包括多种变体，例如read_csv、read_csv2、read_tsv。调用df <- read_xxx(...)时，必须确认col_across()是否使用了一致的read_xxx读取列名。版本2
开发了
col_across的改进版本，它自动检测使用了哪个read_xxx，并从外部调用中检索文件源。请注意，此版本的
col_across只能在read_delim()系列中使用，因为across是mutate中的mutate。检查色谱柱规格