Как заставить readr учитывать правильный десятичный знак / знак группировки? - PullRequest
Новая
       92

Как заставить readr учитывать правильный десятичный знак / знак группировки?

2 голосов
/ 28 мая 2020

Наличие csv-файлов со стилем европейского числового формата (1234,56 -> 1,234,56) должно обрабатываться функцией readr или fread(). Хотя read_csv2() должен быть специально разработан для этой задачи, он в основном игнорирует спецификацию. Он только автоматически угадывает форматирование чисел. Это проблема c, если первые числа с более чем 3 цифрами появляются только в конце файла, то есть после достижения guess_max (по умолчанию 1000).

Как я могу программно обеспечить правильное форматирование? 

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

1 Ответ

3 голосов
/ 28 мая 2020

Предварительная установка col_types, кажется, помогает. В этом случае numeri c.

col_number() [n], numbers containing the grouping_mark

result <- read_csv2("data.csv", 
          # guess_max = 2, not needed if col_types are specified
          col_types = cols(var1 = col_number(),
                           var2 = col_number()),
          locale = locale(decimal_mark = ",", grouping_mark = "."))

result
# A tibble: 4 x 2
     var1     var2
    <dbl>    <dbl>
1     NA        1 
2      4        2 
3      5  4783194.
4 124392.       7

Как отметил Адам, если вы установите col_types, нет необходимости угадывать, поскольку col_types должны быть той же длины, что и столбцы вы хотите прочитать.

...