fread 的填充选项

Question

假设我有这个 txt 文件：

"AA",3,3,3,3
"CC","ad",2,2,2,2,2
"ZZ",2
"AA",3,3,3,3
"CC","ad",2,2,2,2,2

read.csv 我可以：

> read.csv("linktofile.txt", fill=T, header=F)
  V1 V2 V3 V4 V5 V6 V7
1 AA  3  3  3  3 NA NA
2 CC ad  2  2  2  2  2
3 ZZ  2 NA NA NA NA NA
4 AA  3  3  3  3 NA NA
5 CC ad  2  2  2  2  2

但是fread 给了

> library(data.table)

> fread("linktofile.txt")
   V1 V2 V3 V4 V5 V6 V7
1: CC ad  2  2  2  2  2

我可以使用fread 获得相同的结果吗？

Answer 1

重大更新

fread 的开发计划似乎已更改，fread 现在获得了 fill 参数。

使用此答案末尾的相同示例数据，这就是我得到的：

library(data.table)
packageVersion("data.table")
# [1] ‘1.9.7’
fread(x, fill = TRUE)
#    V1 V2 V3 V4 V5 V6 V7
# 1: AA  3  3  3  3 NA NA
# 2: CC ad  2  2  2  2  2
# 3: ZZ  2 NA NA NA NA NA
# 4: AA  3  3  3  3 NA NA
# 5: CC ad  2  2  2  2  2

安装“data.table”的开发版本：

install.packages("data.table", 
                 repos = "https://Rdatatable.github.io/data.table", 
                 type = "source")

原答案

这不能回答您关于fread 的问题：@Matt 已经解决了这个问题。

但是，它确实为您提供了一个替代方案，可以考虑与基本 R 的 read.csv 相比，它可以为您带来很好的速度改进。

与fread 不同，您必须通过向它们提供有关您尝试读取的数据的一些信息来帮助这些功能。

您可以使用“iotools”中的input.file 函数。通过指定列类型，您可以告诉格式化程序函数需要多少列。

library(iotools)
input.file(x, formatter = dstrsplit, sep = ",",
           col_types = rep("character", max(count.fields(x, ","))))

样本数据

x <- tempfile()
myvec <- c('"AA",3,3,3,3', '"CC","ad",2,2,2,2,2', '"ZZ",2', '"AA",3,3,3,3', '"CC","ad",2,2,2,2,2')
cat(myvec, file = x, sep = "\n")

## Uncomment for bigger sample data
## cat(rep(myvec, 200000), file = x, sep = "\n")

Answer 2

目前没有；我不知道read.csv 的填充功能。计划是添加读取 双 分隔文件的功能（sep2 以及 sep 中提到的 ?fread）。然后可以将可变长度向量读入list 列，其中每个单元格本身就是一个向量。但是，不使用 NA 填充。

你能把它加到the list吗？这样您就会在其状态发生变化时收到通知。

有很多像这样的不规则数据格式吗？我只记得曾经看过常规文件，其中不完整的行将被视为错误。

更新：不太可能完成。 fread 针对常规 分隔文件（其中每一行具有相同的列数）进行了优化。但是，在实现sep2 时，可以将不规则文件读入list 列（每个单元格本身就是一个向量）；没有像read.csv 那样填写单独的列。