Question

我有一个包含许多列的.csv数据文件。不幸的是，字符串值没有引号（即苹果i.o。＆＃34;苹果）。当我使用readr包中的read_csv时，字符串值将导入为字符：

library(readr)

mydat = data.frame(first = letters, numbers = 1:26, second = sample(letters, 26))
write.csv(mydat, "mydat.csv", quote = FALSE, row.names = FALSE)

read_csv("mydat.csv")

结果：

Parsed with column specification:
cols(
  first = col_character(),
  numbers = col_integer(),
  second = col_character()
)
# A tibble: 26 x 3
   first numbers second
   <chr>   <int>  <chr>
1      a       1      r
2      b       2      n
3      c       3      m
4      d       4      z
5      e       5      p
6      f       6      j
7      g       7      u
8      h       8      l
9      i       9      e
    10     j      10      h
    # ... with 16 more rows

有没有办法强制read_csv将字符串值导入为因子i.o.字符？

重要的是，我的数据文件有很多列（字符串和数字变量），AFAIK，通过使用col_types参数提供列规范，无法使其工作。

备选解决方案（例如，使用read.csv导入数据，或使用dplyr代码将数据框中的所有字符变量更改为因子）也很受欢迎。

更新：我了解到csv文件中的值是否有引号对read.csv或read_csv没有任何影响。 read.csv会将这些值导入为因子; read_csv将它们作为字符导入。我更喜欢使用read_csv，因为它比read.csv快得多。

Answer 1

我喜欢上面评论中的alistaire的mutate_if（）解决方案，但为了完整起见，还有另一个应该提到的解决方案。你可以使用unclass（）来强制重新解析。你会在许多使用readr的代码中看到这一点。

df <- data.frame(unclass(fr))

或

df <- df %>% unclass %>% data.frame

Answer 2

此函数使用dplyr将tbl_df或数据框中的所有字符列转换为因子：

char.to.factors <- function(df){
  # This function takes a tbl_df and returns same with any character column converted to a factor

  require(dplyr)

  char.cols = names(df)[sapply(df, function(x) {class(x) == "character" })]
  tmp = mutate_each_(df, funs(as.factor), char.cols)
  return(tmp)
}

使用来自R中的readr包的read_csv将未加引号的字符串作为因子导入

2 个答案: