data.table :: fread不喜欢第一列中的缺失值

Question

这是data.table::fread(版本1.9.2)中的错误还是错误的用户期望/错误？

考虑这个简单的例子,我有一个值表,TAB用可能缺少的值分隔.如果第一列中fread缺少值,则会感到沮丧,但如果其他地方缺少值,则返回data.table我期望的:

# Data with missing value in first column, third row and last column, second row:
12  876 19
23  39  
    15  20

fread("12   876 19
23  39  
    15  20")
#Error in fread("12\t876\t19\n23\t39\t\n\t15\t20") : 
#  Not positioned correctly after testing format of header row. ch='    '

# Data with missing values last column, rows two and three: 
"12 876 19
23  39  
15  20  "

fread( "12  876 19
23  39  
15  20  " )
#   V1  V2 V3
#1: 12 876 19
#2: 23  39 NA
#3: 15  20 NA
# Returns as expected.

这是一个错误还是第一列中不可能有缺失的值(或者我是否有某种错误的数据？).

Answer 1

我相信这与我在这里报告的错误相同。

据我所知，可以使用这种类型输入的最新版本是 Rev. 1180。您可以@1180通过添加到命令末尾来签出并构建该版本svn checkout。

svn checkout svn://svn.r-forge.r-project.org/svnroot/datatable/@1180

如果您不熟悉签出和构建包，请参阅此处

但是，自 Rev. 1180 以来，已经实现了许多出色的功能、错误修复和增强功能。（撰写本文时的开发版本是 Rev. 1272）。因此，更好的解决方案是将R/fread.R和src/fread.c文件替换为 Rev. 1180 或更早版本的版本，然后重新构建包。

您可以在线找到这些文件，而无需在此处查看它们（抱歉，我不知道如何发布包含“*”的链接，因此您必须复制/粘贴）：

恐惧。R：
http://r-forge.r-project.org/scm/viewvc.php/*checkout*/pkg/R/fread.R?revision=988&root=datatable

fread.c:
http://r-forge.r-project.org/scm/viewvc.php/*checkout*/pkg/src/fread.c?revision=1159&root=datatable

重建软件包后，您将能够读取 tsv 文件。

> fread("12\t876\t19\n23\t39\t\n\t15\t20")
   V1  V2 V3
1: 12 876 19
2: 23  39 NA
3: NA  15 20

这样做的缺点是旧版本fread()无法通过新的测试——您将无法读取中间有引号的字段。

> fread('A,B,C\n1.2,Foo"Bar,"a"b\"c"d"\nfo"o,bar,"b,az""\n')
Error in fread("A,B,C\n1.2,Foo\"Bar,\"a\"b\"c\"d\"\nfo\"o,bar,\"b,az\"\"\n") : 
  Not positioned correctly after testing format of header row. ch=','

使用较新版本的fread，您会得到这个

> fread('A,B,C\n1.2,Foo"Bar,"a"b\"c"d"\nfo"o,bar,"b,az""\n')
      A       B       C
1:  1.2 Foo"Bar a"b"c"d
2: fo"o     bar   b,az"

因此，目前哪个版本“有效”取决于您是否更有可能在第一列中缺少值或在字段中包含引号。对我来说，是前者，所以我仍然使用旧代码。