如何跳过阅读 readr 中的某些列

Question

我有一个名为 "test.csv" 的简单 csv 文件，其中包含以下内容：

colA,colB,colC
1,"x",12
2,"y",34
3,"z",56

假设我想跳过在 colA 中的读取，而只在 colB 和 colC 中读取。我想要一个通用的方法来执行此操作，因为我有很多文件要读入，有时 colA 完全称为其他名称，但 colB 和 colC 始终相同。

根据 read_csv 文档，实现此目的的一种方法是为 col_types 传递一个命名列表，并仅命名您要保留的列：

read_csv('test.csv', col_types = list(colB = col_character(), colC = col_numeric()))

通过不提及 colA，它应该从输出中删除。但是，生成的数据框是：

Source: local data frame [3 x 3]

      colA colB colC
    1    1    x   12
    2    2    y   34
    3    3    z   56

是我做错了什么还是 read_csv 文档不正确？根据帮助文件：

If a list, it must contain one "collector" for each column. If you only want to read a subset of the columns, you can use a named list (where the names give the column names). If a column is not mentioned by name, it will not be included in the output.

Answer 1

那里有答案，我只是没有努力搜索： https://github.com/hadley/readr/issues/132

显然这是一个已更正的文档问题。此功能最终可能会被添加，但 Hadley 认为仅更新一种列类型而不删除其他列类型更有用。

更新：已添加功能

以下代码来自readr documentation:

read_csv("iris.csv", col_types = cols_only( Species = col_factor(c("setosa", "versicolor", "virginica"))))

这将只读取鸢尾花数据集的 Species 列。为了只读取特定的列，您还必须传递列规范，即 col_factor、col_double 等...

Answer 2

"According to the read_csv documentation, one way to accomplish this is to pass a named list for col_types and only name the columns you want to keep"

WRONG: read_csv('test.csv', col_types=list(colB='c', colC='c'))

不，该文档具有误导性，您必须指定删除未命名的列 (class='_'/col_skip())，或者明确指定它们的 class 为 NULL：

read_csv('test.csv', col_types=list('*'='_', colB='c', colC='c'))

read_csv('test.csv', col_types=list('colA'='_', colB='c', colC='c'))

如何跳过阅读 readr 中的某些列

how to skip reading certain columns in readr

r

readr