data.table 的 fread() 可以跳过第二个空行并保留第一行 headers 吗？

Question

我正在尝试读取 CSV，其中第 headers 列位于第 1 行，但第 2 行为空，数据从第 3 行开始。我尝试了下面的各种选项，但总是以通用结束V# 列名称。关于如何保留列 headers 的任何想法？

fread("https://s3.amazonaws.com/nyc-tlc/trip+data/green_tripdata_2013-08.csv",
      header = F)
fread("https://s3.amazonaws.com/nyc-tlc/trip+data/green_tripdata_2013-08.csv",
      skip = 0)
fread("https://s3.amazonaws.com/nyc-tlc/trip+data/green_tripdata_2013-08.csv",
      skip = 1)
fread("https://s3.amazonaws.com/nyc-tlc/trip+data/green_tripdata_2013-08.csv",
      blank.lines.skip = T)
fread("https://s3.amazonaws.com/nyc-tlc/trip+data/green_tripdata_2013-08.csv",
      skip = 0, blank.lines.skip = T)
fread("https://s3.amazonaws.com/nyc-tlc/trip+data/green_tripdata_2013-08.csv",
      header = F, skip = 0, blank.lines.skip = T)

Answer 1

url ="https://s3.amazonaws.com/nyc-tlc/trip+data/green_tripdata_2013-08.csv"
df = fread(url,header=F)
headers = names(fread(url, nrows=0))
setnames(df, old=1:length(headers), new = headers)

我注意到有 20 headers，但返回了 22 列。因此，我将前 20 列命名为 headers.

中的 20 个名称

正如 r2evans 在评论中所建议的那样，要避免双重 download/read，您可以这样做：

url ="https://s3.amazonaws.com/nyc-tlc/trip+data/green_tripdata_2013-08.csv"

# download file
tfile = tempfile()
curl::curl_download(url,destfile = tfile)

# read to get headers
headers = names(fread(tfile, nrows=0))

# read to get data
df = fread(tfile, header=F)

# set the names based on `headers`
setnames(df, old=1:length(headers), new = headers)

# remove the file
file.remove(tfile)

data.table 的 fread() 可以跳过第二个空行并保留第一行 headers 吗？

Can data.table's fread() skip second empty row and keep first row headers?

r

csv

data.table

fread