data.table::fread解析逗号小数时数值变量被识别为字符的问题

问题现象 #

使用data.table::fread()并设置dec=','时，若某数值列（如var1）首行值缺失，且相邻列是未加引号的日期格式，该数值列会被错误识别为字符类型，而非预期的数值类型。

示例验证 #

以下4个示例可复现并对比该问题：

示例1：首行var1缺失，var2为未加引号的日期 #

quote1 <- 'var1,var2\n,2014-06-15\n"15,3",2014-06-16'
data.table::fread(quote1, dec = ',', header = TRUE)

输出：

var1       var2
1:      2014-06-15
2: 15,3 2014-06-16

注：var1被识别为字符型，保留了原始的逗号分隔符

示例2：首行var1有值，var2为未加引号的日期 #

quote2 <- 'var1,var2\n"15,3",2014-06-15\n"15,3",2014-06-16'
data.table::fread(quote2, dec = ',', header = TRUE)

输出：

var1       var2
1: 15.3 2014-06-15
2: 15.3 2014-06-16

注：var1正常识别为数值型，逗号被转换为小数点

示例3：首行var1缺失，var2为加引号的日期 #

quote3 <- 'var1,var2\n,"2014-06-15"\n"15,3","2014-06-16"'
data.table::fread(quote3, dec = ',', header = TRUE)

输出：

var1       var2
1:   NA 2014-06-15
2: 15.3 2014-06-16

注：var1正常识别为数值型，缺失值标记为NA

示例4：使用分号作为分隔符，首行var1缺失，var2为未加引号的日期 #

quote4 <- 'var1;var2\n;2014-06-15\n"15,3";2014-06-16'
data.table::fread(quote4, dec = ',', header = TRUE, sep = ';')

输出：

var1       var2
1:   NA 2014-06-15
2: 15.3 2014-06-16

注：var1正常识别为数值型，缺失值标记为NA

原因与结论 #

这是fread自动推断列类型时的边缘场景bug：当首行存在缺失值、相邻列是未加引号的日期，且设置了非默认的dec参数时，类型推断逻辑出现偏差，误将数值列识别为字符型。

解决办法 #

可通过以下方式规避：

• 给日期列添加引号（如示例3），帮助fread准确识别日期类型，避免干扰相邻列的推断；
• 显式指定列类型，用colClasses参数强制将目标列设为数值型：

  data.table::fread(quote1, dec = ',', header = TRUE, colClasses = list(numeric = "var1"))
  

• 更换分隔符（如示例4用分号代替逗号），避免与小数点分隔符产生混淆。

内容的提问来源于stack exchange，提问作者wasserslasken