时间戳

首页 > 解决方案 > R中的Sqldf - 第一列名称错误

sql - R中的Sqldf - 第一列名称错误

问题描述

每当我使用时read.csv.sql，我都无法从第一列中进行选择，并且代码的任何输出都会在第一列名称的开头放置一个不寻常的字符（A（波浪号）-..）。

所以假设我在 Excel 中创建了一个看起来像这样的 df.csv 文件

df = data.frame(
  a = 1, 
  b = 2, 
  c = 3, 
  d = 4)

然后，如果我使用 sqldf 查询工作目录中的 csv，我会收到以下错误：

> read.csv.sql("df.csv", sql = "select * from file where a == 1")
Error in result_create(conn@ptr, statement) : no such column: a

如果我查询与第一列不同的列，我会得到一个结果，但会输出异常字符，如下所示

df <- read.csv.sql("df.csv", sql = "select * from file where b == 2")
View(df)

我得到了这张桌子

知道如何防止这些字符被添加到第一列名称中吗？

标签： sqlrexcelsqldf

解决方案

问题可能是您有一个大于 R 可以处理的文件，因此只想将行的子集读入 R 并指定过滤它的条件涉及引用名称混乱的第一列，这样您就可以不要使用它。

这里有两种替代方法。第一个涉及更多代码，但具有 100% R 的优点。第二个只是一个语句，也使用 R，但还使用了外部实用程序的 an。

1) 跳过标头 跳过标头读取文件。这将导致列被标记为V1,V2等并V1在条件中使用。

# write out a test file - BOD is a data frame that comes with R
write.csv(BOD, "BOD.csv", row.names = FALSE, quote = FALSE)

# read file skipping over header
DF <- read.csv.sql("BOD.csv", "select * from file where V1 < 3", 
  skip = 1, header = FALSE)

# read in header, assign it to DF and fix first column
hdr <- read.csv.sql("BOD.csv", "select * from file limit 0")
names(DF) <- names(hdr)
names(DF)[1] <- "TIME"  # suppose we want TIME instead of Time

DF
##   TIME demand
## 1    1    8.3
## 2    2   10.3

2) filter另一种方法是使用filter=参数。在这里，我们假设我们知道列名的结尾是，ime但在此之前还有其他我们不知道的字符。这假设它sed可用并且在您的路径上。如果您在 Windows 上安装 Rtools 以获取sed. 根据您的外壳，可能需要更改引用。

在 Windows 上尝试此操作时，我注意到sedRtools 更改了行尾，因此我们在下面指定eol=以确保正确处理。你可能不需要那个。

DF <- read.csv.sql("BOD.csv", "select * from file where TIME < 3", 
  filter = 'sed -e "1s/.*ime,/TIME,/"' , eol = "\n")
DF
##   TIME demand
## 1    1    8.3
## 2    2   10.3

推荐阅读