Início / coding / Perguntas / 78167849
Accepted
Joshua Shew
Asked: 2024-03-15 22:59:44 +0800 CST

Como ler colunas específicas de um CSV quando o cabeçalho é fornecido como um vetor

  • 772

Eu tenho um arquivo CSV grande sem uma linha de cabeçalho e o cabeçalho está disponível como um vetor. Quero usar um subconjunto das colunas do arquivo sem carregar o arquivo inteiro. O subconjunto de colunas necessárias é fornecido como uma lista separada.

Editar: neste caso, os nomes das colunas fornecidos na lista de cabeçalho são importantes. Este MRE possui apenas 4 nomes de colunas, mas a solução deve funcionar para um grande conjunto de dados com nomes de colunas pré-especificados. O problema é que os nomes das colunas são fornecidos apenas externamente, não como um cabeçalho no arquivo CSV.

1,2,3,4
5,6,7,8
9,10,11,12

header <- c("A", "B", "C", "D")
subset <- c("D", "B")

Até agora, tenho lido os dados da seguinte maneira, o que me dá o resultado desejado, mas carrego o arquivo inteiro primeiro.

# Setup

library(readr)

write.table(
  structure(list(V1 = c(1L, 5L, 9L), V2 = c(2L, 6L, 10L), V3 = c(3L, 7L, 11L), V4 = c(4L, 8L, 12L)), class = "data.frame", row.names = c(NA, -3L)),
  file="sample-data.csv",
  row.names=FALSE,
  col.names=FALSE,
  sep=","
)

header <- c("A", "B", "C", "D")
subset <- c("D", "B")

# Current approach

df1 <- read_csv(
  "sample-data.csv",
  col_names = header
)[subset]

df1

# A tibble: 3 × 2
      D     B
  <dbl> <dbl>
1     4     2
2     8     6
3    12    10

Como posso obter o mesmo resultado sem carregar primeiro o arquivo inteiro?

Perguntas relacionadas

4 respostas

  1. antes da edição do OP sobre o cabeçalho

    Você não precisa ler o arquivo inteiro de uma vez, pois há um argumento com a read_csv()função. Você só precisaria modificar seu código para

    df1 <- read_csv(
  "sample-data.csv",
  col_select=c("D","B")
)

    Depois de editar

    df1 <- read_csv(
  "c:/data/56791/originals/test.csv",
  col_names = c("A","B","C","D"),
  col_select = c(4,2)
)

    se você fornecer os argumentos definidos como vetores como na pergunta dos OPs, você precisará seguir a resposta de Darren usando any_ofou receberá a mensagem de aviso

    
Using an external vector in selections was deprecated in tidyselect 1.1.0.
ℹ Please use `all_of()` or `any_of()` instead.

    Nota importante: col_names=deve ser fornecido um cabeçalho com o comprimento da coluna do arquivo csv ou você receberá o erro

    ! Names repair functions cant return `NA` values.
    • 2
  2. Best Answer

    Você pode usar argumentos readr::read_csvwith col_namese .col_select

    header <- c("A", "B", "C", "D")
subset <- c("D", "B")

readr::read_csv("sample_data.csv",
                col_names = header,
                col_select = any_of(subset))

# # A tibble: 3 × 2
#       D     B
#   <dbl> <dbl>
# 1     4     2
# 2     8     6
# 3    12    10
    • 2

  3. Se você usar o read_csvdo readrpacote você terá o argumento col_selectonde poderá selecionar as colunas para ler.

    • 0

  4. A readr::read_csv()função possui um argumento chamado col_selectque permite especificar quais colunas ler usando a mesma linguagem do dplyr::select(). Então, na prática, isso se parece com:

    df1 <- readr::read_csv(
  file = "sample-data.csv",
  col_names = header,
  col_select = c(D, B)
)

    O que então fornece a saída desejada:

    # A tibble: 3 × 2
      D     B
  <dbl> <dbl>
1     4     2
2     8     6
3    12    10

    Você também pode ligar attr(df1, "spec")para confirmar se as colunas Aforam Cignoradas durante a leitura do arquivo.

    • 0

relate perguntas