我正在將一個非常大的固定寬度資料集匯入 R 并希望使用 vroom 以獲得更好的速度。但是，此資料集中的日期為 7 位或 8 位數字格式，具體取決于月份中的日期是 1 位還是 2 位（示例如下）。
#8 digit date (1985-03-21):
# 21031985
#7 digit date (1985-03-01):
# 1031985
col_date(format = )我看不出有任何方法可以像通常那樣使用這種格式。制作一個將這些 7/8 位數字轉換為日期的函式很容易，但這樣做意味著將匯入的資料具體化并消除 vroom 提供的速度優勢。
我正在尋找一種讓 vroom 自己解釋這些數字的方法，或者一種不犧牲 vroom 速度的解決方法。
非常感謝這里的任何幫助。
uj5u.com熱心網友回復：
這些格式通常很糟糕，但無論如何，readr由于每月的 1 或 2 位數字，我認為沒有任何內容適合您。我建議在 as 中匯入閱讀該列col_character，然后使用
vec <- c("21031985", "1031985")
as.Date(paste0(strrep("0", pmax(8 - nchar(vec), 0)), vec), format = "%d%m%Y")
# [1] "1985-03-21" "1985-03-01"
快速演練：
8 - nchar(vec)0告訴我們需要在每個字串的左側填充多少個 s。在這種情況下，它應該分別是0和1。如果您有長度為 6 的字串，這可能是個問題，只有您知道這是否是個問題。strrep("0", ..)根據需要重復0字串多次，包括strrep("0", 0)產生""（無零）。pmax(.., 0)是防御性程式員，如果那里有一個長度為 9 的字串，我們不能這樣做strrep("0", -1)，我們希望它不會變成負數。paste0(.., vec)做實際的填充。
從那里開始，所有字串都應該被規范化并且能夠使用"%d%m%Y".
uj5u.com熱心網友回復：
Vroom 可以使用管道作為輸入。這意味著您可以使用諸如awk修復格式之類的工具（例如，使其始終為 8 位，這很容易使用sprintf）。這樣，您仍然可以從 vroom 流式傳輸檔案中受益。你甚至可以使用 R - 但如果你追求性能，你需要一些可以處理檔案流的東西，并且最好是輕量級的。
我使用了一個測驗檔案test.csv：
id,date,text
1,1022020,some
2,12042020,more
3,2012020,text
我可以通過以下方式閱讀它（當然需要針對您的資料調整 awk 呼叫 - 但基本上如果您只需要調整列$2表示第二列，則','指定分隔符）：
vroom(pipe("awk -F ',' 'BEGIN{OFS=\",\"}; NR==1{print}; NR!=1 {$2=sprintf(\"d\",$2);print;}' test.csv"),
col_types=cols(date=col_date(format='%d%m%Y'))
)
給予
# A tibble: 3 × 3
id date text
<int> <date> <chr>
1 1 2020-02-01 some
2 2 2020-04-12 more
3 3 2020-01-02 text
uj5u.com熱心網友回復：
如果您有整數資料，您可以將丟失0的 s 重新填充。
as.Date(sprintf("d", vec), format = "%d%m%Y")
# [1] "1985-03-21" "1985-03-01"
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/470818.html