在 R 中导入； (read.csv) 自动忽略非数字列

Posted 2023-04-18

【中文标题】在 R 中导入； (read.csv) 自动忽略非数字列

【英文标题】：Importing in R; (read.csv) Ignore non-numeric columns automatically

【发布时间】：2015-07-07 22:45:18

【问题描述】：

我想在 R 中导入一个包含一些非数字字段（即日期或字符串）的 tsv 文件：

num1    num2    date
1   2   2012-10-18 12:17:19
2   4   2014-11-16 09:30:23
4   11  2010-03-18 22:18:04
12  3   2015-02-18 12:55:50
13  1   2014-05-16 10:39:11
2   14  2011-05-26 20:48:54

我正在使用以下命令：

a = read.csv("C:\test\testFile.tsv", sep="\t")

我想自动忽略所有非数字值（或输入“NA”之类的内容）。并且不想提及所有要忽略的字符串列名。

我尝试了“stringsAsFactors”和“as.is”参数，没有成功。

有什么想法吗？

【问题讨论】：

这是个好主意。谢谢你。但是，同样，我们必须检查字段类型（实际情况下超过 10 个字段）。我们想要数值之间的相关性。我试过 rcorr(as.matrix(a[,1:2])) ，它适用于这种情况，但不适用于更复杂的情况。

@Alisa - 也许考虑做a <- a[sapply(a,is.numeric)]

@thelatemail，完美，谢谢。

【参考方案1】：

这里有很多选择。 首先，你可以在读表的同时通知 R：

data <- read.csv("C:\test\testFile.tsv", 
sep="\t", 
colClasses=c(NA, NA, "NULL"))

如果您有许多非数字列，例如 10，您可以使用 rep 作为 colClasses=c(NA, NA, rep("NULL", 10))。

其次，您可以读取所有内容并在之后处理删除（注意 stringsAsFactors）：

data <- read.csv("C:\test\testFile.tsv", 
    sep="\t", stringsAsFactors = FALSE)

您可以对所有标识为字符的列进行子集化。

df[, !sapply(df, is.character)]

或者然后对你的 data.frame 应用破坏性方法：

  df[sapply(df, is.character)] <- list(NULL)

您可以进一步确保只剩下数字列：

df[,-grep ("Date|factor|character", sapply(df, class))] <- list(NULL)

【参考方案2】：

刚刚找到这个解决方案：

a = read.csv("C:\test\testFile.tsv", sep="\t", colClasses=c(NA, NA, "NULL"))

虽然它不是完全自动的。