bind_rows 种不同的数据类型

Question

我想堆叠一个 data.frames 的列表，但有时这些列具有不同的数据类型。我希望该操作强制转换为最低公分母（在我的情况下通常是 character）。

这种堆叠发生在 package function 中，它几乎可以接受任何 data.frames 的列表。它实际上没有能力将 ds_a$x 强制转换为 bind_rows().

之前的字符

ds_a <- data.frame(
  x = 1:6,
  stringsAsFactors = FALSE
)
ds_b <- data.frame(
  x = c("z1", "z2"),
  stringsAsFactors = FALSE
)

# These four implementations throw:
# Error: Can not automatically convert from integer to character in column "x".
ds_1 <- dplyr::bind_rows(ds_a, ds_b)
ds_2 <- dplyr::bind_rows(ds_b, ds_a)
ds_3 <- dplyr::bind_rows(list(ds_a, ds_b))
ds_4 <- dplyr::union_all(ds_a, ds_b)

我希望输出 data.frame 具有单个字符向量：

我有一些使用 (REDCap) 数据库中的元数据来影响强制转换的长期计划，但我希望有一个针对堆叠操作的短期通用解决方案。

Answer 1

我们可以使用 rbindlist 来自 data.table

library(data.table)
rbindlist(list(ds_a, ds_b))
#    x
#1:  1
#2:  2
#3:  3
#4:  4
#5:  5
#6:  6
#7: z1
#8: z2

Answer 2

最近我切换到一种方法，最初将所有列保留为字符串（从纯文本转换为 data.frame），然后是堆栈，最后是 converts the columns to an appropriate data type after it has all the rows to make a decision (using readr::type_convert()）。

模仿这个例子。我没有做过任何性能比较，但没有明显的区别（互联网是真正的瓶颈）。另外，我有点喜欢减少数据类型转换次数的想法。

library(magrittr)
col_types <- readr::cols(.default = readr::col_character())
raw_a <- "x,y\n1,21\n2,22\n3,23\n4,24\n5,25\n6,26"
raw_b <- "x,y\nz1,31\nz2,32"
ds_a <- readr::read_csv(raw_a, col_types=col_types)
ds_b <- readr::read_csv(raw_b, col_types=col_types)

list(ds_a, ds_b) %>% 
  dplyr::bind_rows() %>% 
  readr::type_convert()
#> Parsed with column specification:
#> cols(
#>   x = col_character(),
#>   y = col_double()
#> )
#> # A tibble: 8 x 2
#>   x         y
#>   <chr> <dbl>
#> 1 1        21
#> 2 2        22
#> 3 3        23
#> 4 4        24
#> 5 5        25
#> 6 6        26
#> 7 z1       31
#> 8 z2       32

^{由 reprex package (v0.3.0)}

于 2019-12-03 创建

bind_rows 种不同的数据类型

bind_rows of different data types

r

dplyr

redcap