使用 fread 导入 csv 文件会丢失因子顺序

Question

当我尝试使用 data.table 函数 fread 读取以前保存的 CSV 文件时，我的数据的分类顺序没有保留。它按字母顺序格式化。

为了重现这个问题，我使用data.table 创建了一个假数据集

dat <- data.table(name = c("Joe", "Bob", "Steve", "Lucy", "Eric", "Marshall","Henry"), 
              subject  = as.factor(c(4,1,2,3,4,3,2)))

使用setattr 函数，然后我标记名为subject 的因子列的水平。

setattr(dat$subject,
    "levels",
    c("Math","Biology","Sport", "ICT"))

这就是数据集的样子。

       name subject
1:      Joe     ICT
2:      Bob    Math
3:    Steve Biology
4:     Lucy   Sport
5:     Eric     ICT
6: Marshall   Sport
7:    Henry Biology

我检查了数据集的结构和主题因素中级别的顺序。 subject 列是因子，级别与我设置的顺序完全相同。

str(dat) 

   Classes ‘data.table’ and 'data.frame':   7 obs. of  2 variables:
 $ name   : chr  "Joe" "Bob" "Steve" "Lucy" ...
 $ subject: Factor w/ 4 levels "Math","Biology",..: 4 1 2 3 4 3 2
 - attr(*, ".internal.selfref")=<externalptr> 

as.ordered(dat$subject)

Levels: Math < Biology < Sport < ICT

当我使用fwrite 保存数据集，然后使用fread 打开它时，subject 列变成一个字符并且级别按字母顺序排列。

# save the data
fwrite(dat,
       file = "dat.csv",
       sep = "\t")

# read data
dat2 <- fread("dat.csv")

# check structure 
str(dat2)

Classes ‘data.table’ and 'data.frame':  7 obs. of  2 variables:
 $ name   : chr  "Joe" "Bob" "Steve" "Lucy" ...
 $ subject: chr  "ICT" "Math" "Biology" "Sport" ...
 - attr(*, ".internal.selfref")=<externalptr> 

# check order of the levels in subject
as.ordered(dat2$subject)

Levels: Biology < ICT < Math < Sport

当我使用 colClasses 参数并将 subject 列声明为一个因素时，情况仍然存在。

问题 为什么data.table 中的fread（或fwrite）函数没有将主题列保留为因素。并且当使用 colClasses 参数将subject 列指定为一个因素进行控制时，为什么subject 列中的级别的层次顺序没有保留？

Answer 1

正如@mt1022 所说：

这是预期的行为，因为您将因子列保存为字符串。当您再次阅读时，fread 或其他数据导入函数不知道原始因子水平。如果要保留数据的属性，请考虑将其保存为 .RDS 文件。