data.table::fread 中的 dec 参数答案

【问题标题】：dec argument in data.table::freaddata.table::fread 中的 dec 参数
【发布时间】：2013-01-04 15:02:59
【问题描述】：

我正在使用来自data.table 的fread 来加载csv 文件。但是，我的 csv 文件使用 dec="," 作为小数分隔符（1.23 将是 1,23）。与read.csv 不同，dec 似乎不是一个允许的参数。

R) args(fread)
function (input = "test.csv", sep = "auto", sep2 = "auto", nrows = -1,
    header = "auto", na.strings = "NA", stringsAsFactors = FALSE,
    verbose = FALSE, autostart = 30)

您是否看到一种解决方法（可能是一个 R 选项设置），使我能够使用 fread（它快得多，它节省了我很多时间）？

PS：colClasses 还没有实现，所以setAs 不能像this post 那样使用

【问题讨论】：

作为一种解决方法，您可以用快速文本编辑器替换。
我会说“询问包维护者”，特别是因为这个功能正在开发中：stackoverflow.com/questions/14124813/data-table-fread-function
PS 从查看 fread 代码（在 cmets 中链接到另一个问题，它似乎使用 strtod（此处参考：cplusplus.com/reference/cstdlib/strtod，这意味着实现逗号分隔的小数可能是有点棘手（小数点分隔符在strtod 中硬编码）。跟进@Roland 的评论，如果您使用的是sed 的系统（Linux、MacOS 或带有Cygwin 的PC），您可以使用它来做这种即时转换：见stackoverflow.com/questions/3439001/…
@BenBolker：我学会了小心使用语言环境：stat.ethz.ch/pipermail/r-devel/2012-August/064609.html
@Matthew：我会向 R-forge 提出请求，谢谢。

标签： r csv data.table

【解决方案1】：

2014 年 10 月更新：现在是 v1.9.5

fread 现在接受dec=','（和其他非'.' 小数分隔符）、#917。 ?fread 添加了一个新段落。如果您位于使用dec=',' 的国家/地区，那么它应该可以正常工作。如果没有，您将需要阅读该段落以获得额外的步骤。如果它以某种方式破坏dec='.'，可以使用options(datatable.fread.dec.experiment=FALSE) 关闭此新功能。

上一个答案...

Matt Dowle 发现了一个很好的解决语言环境的方法。首先是我的sessionInfo

sessionInfo()
R version 2.15.2 (2012-10-26)
Platform: i386-w64-mingw32/i386 (32-bit)

locale:
[1] LC_COLLATE=French_France.1252  LC_CTYPE=French_France.1252    LC_MONETARY=French_France.1252 LC_NUMERIC=C
[5] LC_TIME=C
...

尝试以下显示罪魁祸首：

Sys.localeconv()["decimal_point"]
decimal_point 
          "."

尝试设置 LC_NUMERIC 在 Ubuntu(Matthew) 和 WinXP(me) 上工作

Sys.setlocale("LC_NUMERIC", "French_France.1252")
[1] "French_France.1252"
Message d'avis :
In Sys.setlocale("LC_NUMERIC", "French_France.1252") :
  changer 'LC_NUMERIC' peut résulter en un fonctionnement étrange de R

行为正常，变化如下：

DT = fread("A,B\n3,14;123\n4,22;456\n",sep=";")
str(DT)
Classes ‘data.table’ and 'data.frame':  2 obs. of  2 variables:
 $ V1: num  3.14 4.22
 $ V2: int  123 456

“。”小数点分隔符现在被加载为字符串（应该如此），以前是相反的。

DT = fread("A,B\n3.14;123\n4.22;456\n",sep=";")
str(DT)
Classes ‘data.table’ and 'data.frame':  2 obs. of  2 variables:
 $ V1: chr  "3.14" "4.22"
 $ V2: int  123 456

【讨论】：