CSV注文はRで保存されます

Question

私のデータの順序は重要です。 read.csvを使用してCSVをRにロードする場合、データフレームのローの順序は、CSVのものと一致するようにと一致していますか？

複数のCSVファイルをロードしてrbindを一緒にして、subsetを使用して興味のあるデータを取得するとどうでしょうか？例えば

：

1.csv

foo,bar 
a,123 
a,456 
c,789 

2.csv

foo,bar 
d,987 
a,999 
b,654 
a,321 

以下になります。

data1<-read.csv("1.csv", header=T) 
data2<-read.csv("2.csv", header=T) 
all_data<-rbind(data1, data2) 
filtered<-subset(all_data, foo=="a") 

... は常にはとしてfilteredを生成：

foo bar 
1 a 123 
2 a 456 
3 a 999 
4 a 321 

...と、この動作は、任意のCSV入力およびフィルタに保持していますか？

Answer 1

これは、あなたがread.csvとsubsetからダブルチェック結果に使用することができ、基本的なコード：

はここreadLines

でread.csvを比較しますとread.csvからの結果を比較するコードを持っていますreadLines（行単位でファイルを読む機能）

library("readr") 
    library("rlist") 
    file1<-file.choose() #Select your csv file1 
    file2<-file.choose() #Select your csv file2 

    #readLines 
    input_list<-strsplit(readLines(file1),",") 
    db_readLines<-data.frame(list.rbind(input_list[2:length(input_list)])) 
    names(db_readLines)<-input_list[[1]] 

    #readd.csv 
    db_readcsv<-read.csv(file1,header = T,sep = ",") 

    #Comparison 
    if ((sum(db_readcsv==db_readLines)/(nrow(db_readcsv)*ncol(db_readcsv)))==1) 
    { 
    cat("Same data.frame") 
    } else 
    { 
    cat("Data.frames are differents") 
    } 

結果を比較してread.csvが線順をreadLinesとして保存していることをCSVファイルで確認してください。

data1<-read.csv(file1, header=T,sep=",") 
    data2<-read.csv(file2, header=T,sep=",") 
    all_data<-rbind(data1, data2) 
    filtered1<-subset(all_data, foo=="a") 

    filtered2<-rbind(data1[data1$foo=="a",],data2[data2$foo=="a",]) 

    #Comparison 
    if ((sum(filtered1==filtered2)/(nrow(filtered2)*ncol(filtered2)))==1) 
    { 
    cat("Same data.frame") 
    } else 
    { 
    cat("Data.frames are differents") 
    } 

は、あなたがあなたのコード内でのテストのこの種を含めることができますが、明らかにこれは次のとおりです。

はsubset質問の後半部分についてフィルタリング

別の簡単なテストの基本+ rbindとの比較します非効率で冗長です。

Answer 2

read.tableのソースコードがあります。これはscanベース関数を使用します。それ自体はfileとtextConnection関数を使用します。これらのすべては、あなたがデータを順次（区切り文字に基づいて「ライン」による「ライン」）で読むことができることと、それを供給するに向かって指すように見える。

function (file, header = FALSE, sep = "", quote = "\"'", dec = ".", 
    numerals = c("allow.loss", "warn.loss", "no.loss"), row.names, 
    col.names, as.is = !stringsAsFactors, na.strings = "NA", 
    colClasses = NA, nrows = -1, skip = 0, check.names = TRUE, 
    fill = !blank.lines.skip, strip.white = FALSE, blank.lines.skip = TRUE, 
    comment.char = "#", allowEscapes = FALSE, flush = FALSE, 
    stringsAsFactors = default.stringsAsFactors(), fileEncoding = "", 
    encoding = "unknown", text, skipNul = FALSE) 
{ 
    if (missing(file) && !missing(text)) { 
     file <- textConnection(text, encoding = "UTF-8") 
     encoding <- "UTF-8" 
     on.exit(close(file)) 
    } 
    if (is.character(file)) { 
     file <- if (nzchar(fileEncoding)) 
      file(file, "rt", encoding = fileEncoding) 
     else file(file, "rt") 
     on.exit(close(file)) 
    } 
    if (!inherits(file, "connection")) 
     stop("'file' must be a character string or connection") 
    if (!isOpen(file, "rt")) { 
     open(file, "rt") 
     on.exit(close(file)) 
    } 
    pbEncoding <- if (encoding %in% c("", "bytes", "UTF-8")) 
     encoding 
    else "bytes" 
    numerals <- match.arg(numerals) 
    if (skip > 0L) 
     readLines(file, skip) 
    nlines <- n0lines <- if (nrows < 0L) 
     5 
    else min(5L, (header + nrows)) 
    lines <- .External(C_readtablehead, file, nlines, comment.char, 
     blank.lines.skip, quote, sep, skipNul) 
    if (encoding %in% c("UTF-8", "latin1")) 
     Encoding(lines) <- encoding 
    nlines <- length(lines) 
    if (!nlines) { 
     if (missing(col.names)) 
      stop("no lines available in input") 
     rlabp <- FALSE 
     cols <- length(col.names) 
    } 
    else { 
     if (all(!nzchar(lines))) 
      stop("empty beginning of file") 
     if (nlines < n0lines && file == 0L) { 
      pushBack(c(lines, lines, ""), file, encoding = pbEncoding) 
      on.exit((clearPushBack(stdin()))) 
     } 
     else pushBack(c(lines, lines), file, encoding = pbEncoding) 
     first <- scan(file, what = "", sep = sep, quote = quote, 
      nlines = 1, quiet = TRUE, skip = 0, strip.white = TRUE, 
      blank.lines.skip = blank.lines.skip, comment.char = comment.char, 
      allowEscapes = allowEscapes, encoding = encoding, 
      skipNul = skipNul) 
     col1 <- if (missing(col.names)) 
      length(first) 
     else length(col.names) 
     col <- numeric(nlines - 1L) 
     if (nlines > 1L) 
      for (i in seq_along(col)) col[i] <- length(scan(file, 
       what = "", sep = sep, quote = quote, nlines = 1, 
       quiet = TRUE, skip = 0, strip.white = strip.white, 
       blank.lines.skip = blank.lines.skip, comment.char = comment.char, 
       allowEscapes = allowEscapes, encoding = encoding, 
       skipNul = skipNul)) 
     cols <- max(col1, col) 
     rlabp <- (cols - col1) == 1L 
     if (rlabp && missing(header)) 
      header <- TRUE 
     if (!header) 
      rlabp <- FALSE 
     if (header) { 
      .External(C_readtablehead, file, 1L, comment.char, 
       blank.lines.skip, quote, sep, skipNul) 
      if (missing(col.names)) 
       col.names <- first 
      else if (length(first) != length(col.names)) 
       warning("header and 'col.names' are of different lengths") 
     } 
     else if (missing(col.names)) 
      col.names <- paste0("V", 1L:cols) 
     if (length(col.names) + rlabp < cols) 
      stop("more columns than column names") 
     if (fill && length(col.names) > cols) 
      cols <- length(col.names) 
     if (!fill && cols > 0L && length(col.names) > cols) 
      stop("more column names than columns") 
     if (cols == 0L) 
      stop("first five rows are empty: giving up") 
    } 
    if (check.names) 
     col.names <- make.names(col.names, unique = TRUE) 
    if (rlabp) 
     col.names <- c("row.names", col.names) 
    nmColClasses <- names(colClasses) 
    if (is.null(nmColClasses)) { 
     if (length(colClasses) < cols) 
      colClasses <- rep_len(colClasses, cols) 
    } 
    else { 
     tmp <- rep_len(NA_character_, cols) 
     names(tmp) <- col.names 
     i <- match(nmColClasses, col.names, 0L) 
     if (any(i <= 0L)) 
      warning("not all columns named in 'colClasses' exist") 
     tmp[i[i > 0L]] <- colClasses[i > 0L] 
     colClasses <- tmp 
    } 
    what <- rep.int(list(""), cols) 
    names(what) <- col.names 
    colClasses[colClasses %in% c("real", "double")] <- "numeric" 
    known <- colClasses %in% c("logical", "integer", "numeric", 
     "complex", "character", "raw") 
    what[known] <- sapply(colClasses[known], do.call, list(0)) 
    what[colClasses %in% "NULL"] <- list(NULL) 
    keep <- !sapply(what, is.null) 
    data <- scan(file = file, what = what, sep = sep, quote = quote, 
     dec = dec, nmax = nrows, skip = 0, na.strings = na.strings, 
     quiet = TRUE, fill = fill, strip.white = strip.white, 
     blank.lines.skip = blank.lines.skip, multi.line = FALSE, 
     comment.char = comment.char, allowEscapes = allowEscapes, 
     flush = flush, encoding = encoding, skipNul = skipNul) 
    nlines <- length(data[[which.max(keep)]]) 
    if (cols != length(data)) { 
     warning("cols = ", cols, " != length(data) = ", length(data), 
      domain = NA) 
     cols <- length(data) 
    } 
    if (is.logical(as.is)) { 
     as.is <- rep_len(as.is, cols) 
    } 
    else if (is.numeric(as.is)) { 
     if (any(as.is < 1 | as.is > cols)) 
      stop("invalid numeric 'as.is' expression") 
     i <- rep.int(FALSE, cols) 
     i[as.is] <- TRUE 
     as.is <- i 
    } 
    else if (is.character(as.is)) { 
     i <- match(as.is, col.names, 0L) 
     if (any(i <= 0L)) 
      warning("not all columns named in 'as.is' exist") 
     i <- i[i > 0L] 
     as.is <- rep.int(FALSE, cols) 
     as.is[i] <- TRUE 
    } 
    else if (length(as.is) != cols) 
     stop(gettextf("'as.is' has the wrong length %d != cols = %d", 
      length(as.is), cols), domain = NA) 
    do <- keep & !known 
    if (rlabp) 
     do[1L] <- FALSE 
    for (i in (1L:cols)[do]) { 
     data[[i]] <- if (is.na(colClasses[i])) 
      type.convert(data[[i]], as.is = as.is[i], dec = dec, 
       numerals = numerals, na.strings = character(0L)) 
     else if (colClasses[i] == "factor") 
      as.factor(data[[i]]) 
     else if (colClasses[i] == "Date") 
      as.Date(data[[i]]) 
     else if (colClasses[i] == "POSIXct") 
      as.POSIXct(data[[i]]) 
     else methods::as(data[[i]], colClasses[i]) 
    } 
    compactRN <- TRUE 
    if (missing(row.names)) { 
     if (rlabp) { 
      row.names <- data[[1L]] 
      data <- data[-1L] 
      keep <- keep[-1L] 
      compactRN <- FALSE 
     } 
     else row.names <- .set_row_names(as.integer(nlines)) 
    } 
    else if (is.null(row.names)) { 
     row.names <- .set_row_names(as.integer(nlines)) 
    } 
    else if (is.character(row.names)) { 
     compactRN <- FALSE 
     if (length(row.names) == 1L) { 
      rowvar <- (1L:cols)[match(col.names, row.names, 0L) == 
       1L] 
      row.names <- data[[rowvar]] 
      data <- data[-rowvar] 
      keep <- keep[-rowvar] 
     } 
    } 
    else if (is.numeric(row.names) && length(row.names) == 1L) { 
     compactRN <- FALSE 
     rlabp <- row.names 
     row.names <- data[[rlabp]] 
     data <- data[-rlabp] 
     keep <- keep[-rlabp] 
    } 
    else stop("invalid 'row.names' specification") 
    data <- data[keep] 
    if (is.object(row.names) || !(is.integer(row.names))) 
     row.names <- as.character(row.names) 
    if (!compactRN) { 
     if (length(row.names) != nlines) 
      stop("invalid 'row.names' length") 
     if (anyDuplicated(row.names)) 
      stop("duplicate 'row.names' are not allowed") 
     if (anyNA(row.names)) 
      stop("missing values in 'row.names' are not allowed") 
    } 
    class(data) <- "data.frame" 
    attr(data, "row.names") <- row.names 
    data 
} 

Answer 3

（それらのすべての機能と仮定しても安全ですread.csv,rbindおよびsubset）は、元のcsvのようにデータの順序を保持することが保証されています。

私は個人的には、base::subsetよりdplyr::filterを使用することをお勧めします。 thisで説明されているように、2つの仕事はほとんど同じように答えます。主な違いはsubsetには?subsetという警告があります： "これは対話的に使用するための便利な機能です。プログラミングのためには[のような標準的なサブセット関数を使用する方が良いでしょう。予期せぬ結果をもたらす。 filterは、dplyrとtidyverseの残りの部分を対話的かつプログラム的に堅牢に動作するように設計されており、必要に応じて別の標準評価版filter_を用意しています。を使用している場合はfilterが安全ですフレームワーク。私が遭遇したfilterの唯一の欠点は、subsetがそうしながら、それはrownamesを保持していないということです。

いずれにしても、私はあなたが行を再転換してしまう心配は必要ありません。私の経験では、これらの関数はすべて常に元のデータの観点から順序付けられたRオブジェクトを生成しています。あなたが非常に慎重であることを望むなら、@ user127649の提案と一緒に行き、ユニークなID列をバックアップとして追加することを害することはありません。私はいつも怠け者のオプションに賛成ですが、それは心の安らぎに価値があるかもしれません！