在R中将Parquet文件最后一列设为DataFrame索引时出错

错误原因 #

1. read_parquet默认返回tibble类型数据，而tibble已弃用设置行名的操作，因此会出现警告。
2. 原代码中df[,ncol(df)]提取的是单列tibble，而非向量。rownames<-要求赋值的是长度等于数据行数的向量，单列tibble的长度为1（列数），与行数不匹配，触发invalid 'row.names' length错误。

修正方案 #

方案1：转为普通DataFrame处理 #

# 读取文件并转换为普通dataframe
df <- as.data.frame(read_parquet("file.parquet.gz"))
# 提取最后一列的向量值作为行名
rownames(df) <- df[[ncol(df)]]
# 删除最后一列
df <- df[, -ncol(df)]

这里用df[[ncol(df)]]直接提取列的向量值，而非tibble列。

方案2：用dplyr工具处理（推荐） #

借助dplyr的column_to_rownames函数，一步完成行名设置和列删除，同时适配tibble：

library(dplyr)

df <- read_parquet("file.parquet.gz") %>%
  column_to_rownames(var = names(.)[ncol(.)])

内容的提问来源于stack exchange，提问作者melolilili