在R中使用read.csv读取时按列值过滤[重复]答案

【问题标题】：Filter by column values while reading using read.csv in R [duplicate]在R中使用read.csv读取时按列值过滤[重复]
【发布时间】：2016-12-09 19:06:38
【问题描述】：

我有一个 txt 文件形式的巨大数据集，其中的值由分号分隔，并且有接近 2M 行。我只需要与第一列中特定日期相对应的数据。示例输入如下所示：

Date;Time;Global_active_power;Global_reactive_power;Voltage;Global_intensity;Sub_metering_1;Sub_metering_2;Sub_metering_3
16/12/2006;17:24:00;4.216;0.418;234.840;18.400;0.000;1.000;17.000
16/12/2006;17:25:00;5.360;0.436;233.630;23.000;0.000;1.000;16.000
16/12/2006;17:26:00;5.374;0.498;233.290;23.000;0.000;2.000;17.000

请帮我过滤与两个日期相对应的数据，例如 1/2/2007 和 2/2/2007

【问题讨论】：

通过 col.classes 参数在read.csv 调用中删除列相对容易。如果您的数据按日期排序，您可以找出要手动读取的行集，然后使用 skip 和 nrows 参数读取这些行。
也许这里有一些想法：stackoverflow.com/questions/6592219/read-csv-from-specific-row/…
另外，如果这个数据集快要耗尽你的可用内存，你应该看看data.table中的fread或read.csv.raw中的read.csv.raw/read.chunk中的iotools。跨度>
和这个问题差不多：stackoverflow.com/questions/24006475/…

标签： r

【解决方案1】：

这是一个关于数据导入期间过滤的好答案：https://stackoverflow.com/a/15967406/1152809

基本上导入时需要使用sqldf进行过滤。这是你需要的东西：

install.packages("sqldf")
library(sqldf)
df <- read.csv.sql("sample.csv", "select *, from file where Date = '01/02/2007' or Date = '2/2/2007 ", sep=";")

但是，我没有对此进行测试，因为您没有向我们提供 dput 您的数据。在 R 上查看 info on how to do a good post 的这篇帖子。

你的日期是字符串，所以他们可以使用上面的。但是，如果您想使用 BETWEEN 等特定于日期的函数，则需要将它们更改为正确的格式。这是一个示例：

df <- read.csv.sql("sample.csv", "select *, strftime('%d/%m/%Y', Date) as DateFormated from file where DateFormatted >= 1/2/2007 and DateFormatted <= 2/2/2007 ", sep=";")

【讨论】：

谢谢特拉维斯。它工作输入
select * 后面的逗号是什么意思？