使用readr导入数据并设置列类型时遇到问题

错误原因 #

你使用的read.csv()是base R中的函数，它不支持col_types参数——这个参数是readr包（tidyverse生态的一部分）中read_csv()函数的专属参数。当你向read.csv()传递它不认识的col_types时，就会触发"unused argument"错误。

两种解决方案 #

方案1：改用readr包的read_csv()函数 #

这是最贴合你原本代码逻辑的方案，因为read_csv()原生支持col_types参数，能直接在导入时指定数据类型（包括带自定义levels的factor）：

# 安装并加载readr包（首次使用需安装）
install.packages("readr")
library(readr)

ADT_v3 <- read_csv("ADT.v3.csv",
                   col_types = cols(
                     pat_enc_csn_id = col_double(),
                     pat_mrn_id = col_double(),
                     PAT_NAME = col_character(),
                     HOSP_ADMSN_TIME = col_time(format = ""),
                     HOSP_DISCH_TIME = col_time(format = ""),
                     ADT_datetime = col_time(format = ""),
                     ADT_event_name = col_factor(levels = c("Admission", "Transfer Out", "Transfer In", "Patient Update", "Census")),
                     location = col_character(),
                     ROOM_ID = col_double(),
                     level_of_care = col_factor(levels = c("NULL", "Floor", "ICU", "Floor with Tele", "Intermediate/Stepdown"))
                   ))

方案2：继续使用base R的read.csv()，改用colClasses参数 #

如果坚持使用base R的read.csv()，可以通过colClasses指定列的基础类型，之后再手动将目标列转换为带自定义levels的factor：

# 先导入数据，指定各列的基础类型
ADT_v3 <- read.csv("ADT.v3.csv",
                   colClasses = c(
                     "numeric",    # pat_enc_csn_id
                     "numeric",    # pat_mrn_id
                     "character",  # PAT_NAME
                     "character",  # HOSP_ADMSN_TIME
                     "character",  # HOSP_DISCH_TIME
                     "character",  # ADT_datetime
                     "character",  # ADT_event_name
                     "character",  # location
                     "numeric",    # ROOM_ID
                     "character"   # level_of_care
                   ))

# 将指定列转换为带自定义levels的factor
ADT_v3$ADT_event_name <- factor(ADT_v3$ADT_event_name,
                                levels = c("Admission", "Transfer Out", "Transfer In", "Patient Update", "Census"))
ADT_v3$level_of_care <- factor(ADT_v3$level_of_care,
                               levels = c("NULL", "Floor", "ICU", "Floor with Tele", "Intermediate/Stepdown"))

# 时间列需手动转换为时间类型（根据实际格式调整format参数）
ADT_v3$HOSP_ADMSN_TIME <- strptime(ADT_v3$HOSP_ADMSN_TIME, format = "")
ADT_v3$HOSP_DISCH_TIME <- strptime(ADT_v3$HOSP_DISCH_TIME, format = "")
ADT_v3$ADT_datetime <- strptime(ADT_v3$ADT_datetime, format = "")

补充说明 #

• read_csv()在导入大型数据集时通常比read.csv()更快，且支持更灵活的类型指定，推荐用于需要精细控制数据类型的场景。
• 如果你的时间列有特定格式，建议在col_time()中明确指定（比如format = "%Y-%m-%d %H:%M:%S"），避免自动解析出错。

内容的提问来源于stack exchange，提问作者emvirgen