【发布时间】:2020-09-15 17:46:06
【问题描述】:
具有欧洲数字格式样式 (1234.56 -> 1.234,56) 的 csv 文件应由 readr 函数或 fread() 处理。尽管read_csv2() 应该是专门为这个任务设计的,但它基本上忽略了规范。它只会自动猜测数字格式。如果第一个多于 3 位的数字仅出现在文件的末尾,即在达到 guess_max 之后(默认为 1000),这是有问题的。
如何以编程方式强制执行正确的格式设置?
library(readr)
data <- data.frame(var1 = c("", 4, 5, "124.392,45"),
var2 = c(1, 2, "4.783.194,43", 7))
write_csv2(data, "data.csv")
read_csv2("data.csv", guess_max = 2,
locale = locale(decimal_mark = ",", grouping_mark = "."))
# # A tibble: 4 x 2
# var1 var2
# <dbl> <dbl>
# 1 NA 1
# 2 4 2
# 3 5 NA
# 4 NA 7
read_csv2("data.csv", guess_max = 3,
locale = locale(decimal_mark = ",", grouping_mark = "."))
# # A tibble: 4 x 2
# var1 var2
# <dbl> <dbl>
# 1 NA 1
# 2 4 2
# 3 5 4783194.
# 4 NA 7
read_delim("data.csv", delim = ";", guess_max = 3,
locale = locale(decimal_mark = ",", grouping_mark = "."))
# # A tibble: 4 x 2
# var1 var2
# <dbl> <dbl>
# 1 NA 1
# 2 4 2
# 3 5 4783194.
# 4 NA 7
【问题讨论】:
-
好奇:可以设置
guess_max = Inf吗? -
仍有可能收到警告消息:
Warning message:guess_max` 是一个非常大的值,设置为21474836以避免耗尽内存` 另外,这在某种程度上只是规避了问题。当然,我可以查看数据中的行数或检查第一个大数出现的位置,但这相当麻烦。特别是当应该有论据来处理这个确切的问题时