R：read_csv读取数字项为逻辑-解析col_logical而不是col_double

问题描述

我是R的新手。 我为作业编写了代码，该作业读取了多个csv文件并将其绑定到数据帧中，然后根据id来计算硝酸盐或硫酸盐的平均值。

数据样本：

  Date       sulfate nitrate    ID
  <date>       <dbl>   <dbl> <dbl>
1 2003-10-06    7.21   0.651     1
2 2003-10-12    5.99   0.428     1
3 2003-10-18    4.68   1.04      1
4 2003-10-24    3.47   0.363     1
5 2003-10-30    2.42   0.507     1
6 2003-11-11    1.43   0.474     1
... 

要读取文件并创建data.frame，我编写了此函数：

pollutantmean <- function (pollutant,id = 1:332) {
       #creating a data frame from several files
  file_m <- list.files(path = "specdata",pattern = "*.csv",full.names = TRUE) 
  read_file_m <- lapply(file_m,read_csv)
  df_1 <- bind_rows(read_file_m)

        # delete NAs
  df_clean <- df_1[complete.cases(df_1),] 
  
        #select rows according to id
  df_asid_clean <- filter(df_clean,ID %in% id)
  
        #count the mean of the column
  mean_result <- mean(df_asid_clean[,pollutant])
  mean_result

但是，当应用read_csv函数时，硝酸盐列中的某些条目被读取为col_logical，尽管该列的整个类仍然是数字，并且条目是数字。似乎代码“期望”接收逻辑值，尽管实际值不是。 在阅读过程中，我得到以下消息：

<...>
Parsed with column specification:
cols(
  Date = col_date(format = ""),sulfate = col_double(),nitrate = col_logical(),ID = col_double()
)
Warning: 41 parsing failures.
 row     col           expected actual               file
2055 nitrate 1/0/T/F/TRUE/FALSE 0.383  'specdata/288.csv'
2067 nitrate 1/0/T/F/TRUE/FALSE 0.355  'specdata/288.csv'
2073 nitrate 1/0/T/F/TRUE/FALSE 0.469  'specdata/288.csv'
2085 nitrate 1/0/T/F/TRUE/FALSE 0.144  'specdata/288.csv'
2091 nitrate 1/0/T/F/TRUE/FALSE 0.0984 'specdata/288.csv'
.... ....... .................. ...... ..................
See problems(...) for more details. 

我试图通过编写更改列类 df_1[,nitrate] <- as.numeric(as.character(df_1[,nitrate]) ，但在绑定行之后，但这仅表明在计算平均值的步骤中再次引入了NA。

这有什么问题，我该如何解决？ 感谢您的帮助！

更新：尝试插入read_csv（col_types = list ...），但未定义“文件”参数。据我了解，R首先读取read_csv，然后然后读取，因为当时没有给出“文件”，所以显示错误。

解决方法

readr::read_csv()解析列类型失败的问题可以通过在col_types=中传递lapply()自变量来解决。我们这样做如下：

pollutantmean <- function (directory,pollutant,id=1:332){
     require(readr)
     require(dplyr)
     file_m <- list.files(path = directory,pattern = "*.csv",full.names = TRUE)[id] 
     read_file_m <- lapply(file_m,read_csv,col_types=list(col_date(),col_double(),col_integer()))
     # rest of code goes here. Since I am a Community Mentor in the
     # JHU Data Science Specialization,I am not allowed to post
     # a complete solution to the programming assignment 
}

请注意，我使用提取操作符的[形式通过id向量对文件名列表进行子集化，该向量是函数的参数，这样可以避免读取大量不完整的数据没必要。这样就无需在问题中发布的代码中使用filter()语句。

使用一些其他编程语句来完成作业，我的答案中的代码为随作业发布的三个示例产生了正确的结果，如下所示。

> pollutantmean("specdata","sulfate",1:10)
[1] 4.064128
> pollutantmean("specdata","nitrate",70:72) 
[1] 1.706047
> pollutantmean("specdata",23)
[1] 1.280833

或者，我们可以使用匿名函数来实现lapply()，该函数还使用read_csv()，如下所示：

 read_file_m <- lapply(file_m,function(x) {read_csv(x,col_integer()))})

注意：：完全可以理解，曾经接触过tidyverse的学生想将其用于编程作业，而dplyr不是直到序列中的下一个课程（并且完全没有涵盖readr）之前引入t使得在 R编程中的赋值，尤其是第一个赋值，其中{ {1}}非标准评估使人们感到满意。这种情况的一个例子是dplyr上的另一个Stackoverflow问题。