【问题标题】:R: import and merge only specific columnsR:仅导入和合并特定列
【发布时间】:2020-09-12 16:44:34
【问题描述】:

我有一个来自网络的 CSV URL 列表,并将它们合并到一个向量中。 现在,我想用read_csv 阅读这份清单。

例子:

files <- c("csv_link1.csv",
             "csv_link2.csv",
             "csv_link3.csv",
              and so on....) 
data <- map_dfr(files, read_csv)

这没问题。问题是在 CSV 文件中有填充了不同值的列。因此,例如,在 CSV1 中有列“V1”,用 double 填充,而在 CSV 中,同一列是“V1”,用字符填充。无法合并 CSV,因为它们是不同的数据类型。

就我而言,我认为解决这个问题有两种可能性。

  1. 我只导入某些列,所以我说read_csv 只读取列(V2 和 V3)而不是 V1

或者

  1. 我将列合并到与col_types 相同的数据类型

我都试过了,但由于语法正确而失败了。

我尝试了类似的东西

data <- map_dfr(files, read_csv(cols_only(the col names)))

但是,这行不通。

如何仅导入和合并特定列?

以我为例:

library(data.table)
library(readr)
library(purrr)


files <- c("https://www.football-data.co.uk/mmz4281/1920/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1819/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1718/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1617/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1516/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1415/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1314/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1213/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1112/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1011/EC.csv")


data <- map_dfr(files, read_csv)

Error: Can't combine `BbAH` <character> and `BbAH` <double>.

所以我的列BbAH 有不同的数据类型。但我不需要这个专栏。 如果由于这种不同的数据类型问题,我可以选择在合并运行出错之前将要合并的列,那就太酷了。

【问题讨论】:

  • 您可以尝试为每列创建一个数据类型字典,以便在读取 csv 后,根据该字典将列转换为适当的数据类型。然后你可以合并数据框。
  • 嗨@pontilicious,欢迎来到 StackOveflow!要获得更具体的反馈,最好也包括一些您的数据。因此,也许将前两个文件作为自己的数据框导入,然后包含 dput(head(your_datafram_name_here,10)) 的结果以显示数据的前十行?您可以使用问题下方左下方水平菜单上的“编辑”选项将其粘贴到问题中。
  • @Russ Thomas,感谢您的回答。我更新了我的问题。希望它可以正常繁殖。问候:)
  • 谢谢@pontilicious。所以你提到你不需要BbAH 列。你能指定你需要哪些列吗?
  • @Russ 我只需要列(Date,Time,HomeTeam,AwayTeam,FTHG,FTAG,FTR)

标签: r dplyr data.table purrr readr


【解决方案1】:

由于您只需要这七个变量,因此您可以使用fread 读取这些特定变量以避免BbAH 变量出现问题。

library(data.table)
library(dplyr)
library(purrr)

files <- c("https://www.football-data.co.uk/mmz4281/1920/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1819/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1718/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1617/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1516/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1415/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1314/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1213/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1112/EC.csv",
           "https://www.football-data.co.uk/mmz4281/1011/EC.csv")

# Identify columns you need
myColumns = c("Date","Time","HomeTeam","AwayTeam","FTHG","FTAG","FTR")

# Modified function found in https://stackoverflow.com/a/51348578/8535855
# takes a filename and a vector of columns as input
fread_allfiles <- function(file, columns){
  x <- fread(file, select = columns) %>% 
    select(everything())   # 
  return(x)
}

df_all <- files %>% 
  map_df(~ fread_allfiles(.,myColumns))

head(df_all)

产生以下格式:

         Date  Time     HomeTeam       AwayTeam FTHG FTAG FTR
1: 03/08/2019 12:30    Stockport     Maidenhead    0    1   A
2: 03/08/2019 15:00    Aldershot          Fylde    1    2   A
3: 03/08/2019 15:00       Barnet         Yeovil    1    0   H
4: 03/08/2019 15:00 Chesterfield Dover Athletic    1    2   A
5: 03/08/2019 15:00      Chorley        Bromley    0    0   D
6: 03/08/2019 15:00  Dag and Red         Woking    0    2   A

然后,如果需要,您可以重新格式化 DateTime 列。看起来第一个文件有 Time 的任何值?所以剩下的都填写为NA

> str(df_all)
Classes ‘data.table’ and 'data.frame':  5429 obs. of  7 variables:
 $ Date    : chr  "03/08/2019" "03/08/2019" "03/08/2019" "03/08/2019" ...
 $ Time    : chr  "12:30" "15:00" "15:00" "15:00" ...
 $ HomeTeam: chr  "Stockport" "Aldershot" "Barnet" "Chesterfield" ...
 $ AwayTeam: chr  "Maidenhead" "Fylde" "Yeovil" "Dover Athletic" ...
 $ FTHG    : int  0 1 1 1 0 0 1 1 2 1 ...
 $ FTAG    : int  1 2 0 2 0 2 0 4 2 3 ...
 $ FTR     : chr  "A" "A" "H" "A" ...
 - attr(*, ".internal.selfref")=<externalptr>

【讨论】:

    【解决方案2】:

    我们可以 select 阅读 csv 后您需要的列,并使用 map_df 组合它们。

    library(tidyverse)
    result <- map_df(files, ~read_csv(.x) %>% select(Date,HomeTeam,AwayTeam,FTHG,FTAG,FTR))
    

    【讨论】:

    • 也试过了,但问题是read_csv 遇到错误,因为他无法组合Season Season 。出现此错误后,select 命令将中止
    • @pontilicious 对于您共享的文件,它没有给我任何错误。如果您的其他文件存在类型不匹配,您可以将它们全部转换为字符。试试result &lt;- map_df(files, ~read_csv(.x) %&gt;% select(Date,HomeTeam,AwayTeam,FTHG,FTAG,FTR) %&gt;% mutate_all(as.character))
    【解决方案3】:

    这个怎么样:

    library(data.table)
    library(readr)
    
    rbindlist(lapply(files, read_csv, col_types = "character"))
    

    这会将所有列导入为character,因此您需要在合并后将它们转换为您最初想要的任何内容。

    【讨论】:

    • 那么有错误Error: Unknown shortcut: h
    猜你喜欢
    • 2021-09-01
    • 1970-01-01
    • 2017-07-02
    • 1970-01-01
    • 2018-02-17
    • 2021-11-17
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多