仅在一列上使用 fread 和 grep

Question

我正在尝试仅将一个非常大的 .csv 文件的一部分读入 R。数据如下所示：

id   var1
111  A345
112  110
113  456

我只想要var1 中以“11”开头的行。但这给出了此示例中的所有行：

fread(cmd = paste('grep', '"^11"', 'mycsv.csv'), colClasses = c("integer", "character"))

我认为 gawk/awk 可以使用 $2~^11 之类的东西，但我在无法安装的远程机器上，而且它似乎也无法调用。

Answer 1

如果您有创意，可以尝试以下方法：

#' @param file path to file.
#' @param sep delimiter for file.
#' @param pattern extended regular expression.
#' @param column_indx number index of column to apply pattern on.
#' @param ... additional arguments to pass to fread
fread_grep_column <- function(file, sep, pattern, column_indx, ...){
  cmd <- paste0("grep -E ", "'^", paste(c(rep("(.*)", column_indx-1), pattern), collapse = sep), "' ", file)
  cat(cmd, "\n") #just for debugging
  fread(cmd = cmd, ...)
}

此函数将尝试创建一个正则表达式，以匹配您在正确行上的模式。

虽然这可能只对您非常熟悉的文件最有效。例如，您需要知道您正在搜索的列是否以引号开头。我敢肯定这个函数还有其他可能会破坏的方式，只是我还没有想到任何好的例子。

要记住的一件事 - 它会先 grep 然后读入结果文件。换句话说，如果您的标头在模式中不存在，那么您可能希望在函数上添加来修复它。