将标题作为向量给出时如何读取 CSV 的特定列

Question

我有一个没有标题行的大型 CSV 文件，并且标题可以作为向量提供给我。我想使用文件列的子集而不加载整个文件。所需列的子集作为单独的列表提供。

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

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

到目前为止，我一直通过以下方式读取数据，这得到了我想要的结果，但首先加载整个文件。

# 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

如何在不先加载整个文件的情况下获得相同的结果？

相关问题

• 仅读取选定的列包括第一行中的标题。
• 如何将文件中的选定列读入 R？ （

  read.table

  和

  scan

  之间的折衷方案？）[重复]未指定文件外的列名称，答案不适用于这种情况。
• 如何跳过读取 readr [重复] 中的某些列是不同的，因为它似乎是跳过未知的第一列并跨多个文件读取已知的第二和第三列。在这个问题中，数据类型不一定是事先知道的。
• 读取 csv 时有没有办法省略第一列[重复]：根据位置跳过列，而不是根据外部提供的列名称列表中的位置。

Answer 1

您不必立即读取整个文件，因为

read_csv()

函数有一个参数。您只需将代码修改为

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

如果文件实际上不包含标题，那么您可以在

col_select

中调用列索引

df1 <- read_csv(
  "sample-data.csv",
  col_names=c("D","B"),
  col_select=c(4,2)
)

Answer 2

如果您使用

read_csv

包中的

readr

，您将拥有参数

col_select

，您可以在其中选择要读取的列。

Answer 3

readr::read_csv()

函数有一个名为

col_select

的参数，它允许您使用与

dplyr::select()

相同的语言指定要读取的列。所以在实践中，这看起来像：

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

然后给出所需的输出：

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

您还可以调用

attr(df1, "spec")

，确认读取文件时跳过列

A

和

C

。

Answer 4

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