[英]R :Read csv numeric with comma in decimal, package sparklyr
我需要使用库“ sparklyr”读取类型为“ .csv”的文件,其中的数值以逗号显示。 想法是能够直接使用“ spark_read_csv()”进行读取。
我在用:
library(sparklyr)
library(dplyr)
f<-data.frame(DNI=c("22-e","EE-4","55-W"),
DD=c("33,2","33.2","14,55"),CC=c("2","44,4","44,9"))
write.csv(f,"aff.csv")
sc <- spark_connect(master = "local", spark_home = "/home/tomas/spark-2.1.0-bin-hadoop2.7/", version = "2.1.0")
df <- spark_read_csv(sc, name = "data", path = "/home/tomas/Documentos/Clusterapp/aff.csv", header = TRUE, delimiter = ",")
tbl <- sdf_copy_to(sc = sc, x =df , overwrite = T)
问题所在,将数字视为因素
要在spark df中操作字符串,可以使用regexp_replace
函数,如下所示:
https://spark.rstudio.com/guides/textmining/
对于您的问题,它将像这样解决:
tbl <- sdf_copy_to(sc = sc, x =df, overwrite = T)
tbl0<-tbl%>%
mutate(DD=regexp_replace(DD,",","."),CC=regexp_replace(CC,",","."))%>%
mutate_at(vars(c("DD","CC")),as.numeric)
检查您的结果:
> glimpse(tbl0)
Observations: ??
Variables: 3
$ DNI <chr> "22-e", "EE-4", "55-W"
$ DD <dbl> 33.20, 33.20, 14.55
$ CC <dbl> 2.0, 44.4, 44.9
您可以将数字中的“,”替换为“。”。 并将它们转换为数字。 例如
df$DD<-as.numeric(gsub(pattern = ",",replacement = ".",x = df$DD))
有帮助吗?
如果您不想将其替换为“。” 也许您可以尝试一下。
检查文档。 使用转义参数可以指定要忽略的字符。
在这种情况下,请尝试使用:
df <- spark_read_csv(sc, name = "data", path = "/home/tomas/Documentos/Clusterapp/aff.csv", header = TRUE, delimiter = ",", escape = "\,").
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.