R语言批量读取多个CSV文件时如何指定列类型

首先注意你现有代码的一个兼容问题：read.delim默认以制表符\t作为字段分隔符，直接读取逗号分隔的.csv文件会出现列解析错位，建议替换为专门读CSV的read.csv函数，或者给read.delim传入sep=","参数适配CSV格式。

根据你所有待读文件的结构一致性，分两种方案实现列类型指定：

• 所有CSV列顺序、列结构完全统一：直接用基础读取函数的colClasses参数即可
  该参数接受向量输入，既可以按列的排列顺序逐列指定类型，也可以通过列名定向给部分列指定类型，剩余列交给R自动推断。支持传入的常用类型值包括：

  • "character"：字符型
  • "numeric"/"integer"：数值型/整数型
  • "Date"：日期型
  • "factor"：因子型
  • "NULL"：跳过对应列不读取
    示例代码（按顺序指定全列类型）：

  temp = list.files(pattern="*.csv")
  # 假设所有CSV共3列，依次为字符型ID、数值型统计值、日期型记录时间
  myfiles = lapply(temp, read.csv,
                   colClasses = c("character", "numeric", "Date"))
  

  如果只需要指定个别列的类型（比如把ID列强制存为字符型，避免长数字ID被转成科学计数法），可以传命名向量，不需要写全所有列：

  myfiles = lapply(temp, read.csv,
                   colClasses = c(user_id = "character", phone = "character"))
  

• 待读CSV列顺序不固定、存在列数差异：推荐用readr包的read_csv函数
  基础包的colClasses靠顺序匹配列的容错性差，read_csv的col_types参数支持按列名精准匹配指定类型，不受列排列顺序影响，还支持灵活跳过不需要的列。
  示例代码：

  library(readr)
  temp = list.files(pattern="*.csv")
  myfiles = lapply(temp, read_csv,
                   col_types = cols(
                     user_id = col_character(),
                     pay_amount = col_double(),
                     create_time = col_date(format = "%Y-%m-%d"),
                     redundant_col = col_skip() # 跳过不需要的冗余列
                   ))
  

内容的提问来源于stack exchange，提问作者rish