fread：使用 na.string 和 colClasses 参数答案

【问题标题】：fread: use of na.string and colClasses parametersfread：使用 na.string 和 colClasses 参数
【发布时间】：2021-06-15 17:22:01
【问题描述】：

我不确定我是否理解 fread 关于空字符串的行为。比如

rawdata <- 'a,b\n"",""\nabc,2020-12-31 00:00:00'
fread(rawdata,na.strings=c("","NA"))

##      a                   b
## 1:                        
## 2: abc 2020-12-31 00:00:00

我期待的是 NA，在第一行。我的假设有缺陷吗？

在同一行中，是否可以同时完全控制colClasses 和na.strings？

假设我想将 a 列和 b 列作为字符读取。

rawdata <- 'a,b\n"",""\n1,2020-12-31 00:00:00'
fread(rawdata,na.strings=c("","NA"),
      colClasses=c(a="character",
                   b="character"))

我正在使用 data.table_1.13.6

更新

部分答案已经回答here fread 似乎使用了与 read.csv 不同的解析器，这可能会导致意外行为。

一种解决方案是用 NA 替换所有空字符串。见here。但我不确定这个过程是否比read_csv更快

【问题讨论】：

rawdata <- 'a,b\n,\n1,2020-12-31 00:00:00' 然后为空将变为NA
感谢您的建议。我无法直接控制rawdata，只有在fread之后才能控制
这里回答第一部分：fread: empty string (“”) in na.strings is not interpreted as NA
@Henrik 非常感谢您指出这一点。你提到的那篇文章已经逃过了我的视线。

标签： r data.table na fread

【解决方案1】：

所以一旦 fread 解析器不碍事，那么很明显colClasses 和na.strings 可以同时使用。

请注意，尝试将空引号作为na.strings 并不能完成这项工作。

rawdata <- 'a,b\n"",""\n1,2020-12-31 00:00:00'
fread(rawdata,na.strings=c('\"\"',"","NA"),
      colClasses=c(a="character",
                   b="character"))
```


```
rawdata <- 'a,b\n,2020-12-31 00:00:00\n1,'
fread(rawdata,na.strings=c("","NA"),
      colClasses=c(a="numeric",
                   b="character"))
```

    ##     a                   b
    ## 1: NA 2020-12-31 00:00:00
    ## 2:  1                <NA>

【讨论】：