通过type_convert或spec函数获取环境数据集列类型规范的方法

现有全列均为字符串类型的.RDS格式数据文件，需要将各列转换为适配的数据类型，同时留存列类型规范，方便后续调整部分列的类型配置。
读取CSV文件时，通过readr::spec()函数可以直接获取每一列的完整类型规范，参考效果如下：

library(tidyverse)
library(lubridate)
df <- midwest %>% 
  slice(1:10) %>% 
  mutate(date1 = seq(ymd('2021-06-07'), ymd('2021-06-16'), by = '1 day'), 
         date2 = seq(as.Date('2021/6/7'), by = 'month', length.out = 10), 
         empty1 = NA, empty2 = NA, empty3 = NA, empty4 = NA,
         empty11 = NA, empty21 = NA, empty31 = NA, empty41 = NA,
         empty12 = NA, empty22 = NA, empty32 = NA, empty42 = NA,
         empty13 = NA, empty23 = NA, empty33 = NA, empty43 = NA,
         dt = date1 + seconds(row_number()-1), 
         time = format(dt, format = "%H:%M:%S")) %>% 
  mutate(across(everything(), as.character)) 

# 临时存储CSV文件
f <- file.path(tempdir(), "midwest10.csv")
write.csv(df, f, row.names = FALSE)

df3 <- read_csv(f, show_col_types = FALSE)

spec(df3)  # 可以正常返回完整列规范
#> cols(
#>   PID = col_double(),
#>   county = col_character(),
#>   state = col_character(),
#>   area = col_double(),
#>   poptotal = col_double(),
#>   popdensity = col_double(),
#>   popwhite = col_double(),
#>   popblack = col_double(),
#>   popamerindian = col_double(),
#>   popasian = col_double(),
#>   popother = col_double(),
#>   percwhite = col_double(),
#>   percblack = col_double(),
#>   percamerindan = col_double(),
#>   percasian = col_double(),
#>   percother = col_double(),
#>   popadults = col_double(),
#>   perchsd = col_double(),
#>   percollege = col_double(),
#>   percprof = col_double(),
#>   poppovertyknown = col_double(),
#>   percpovertyknown = col_double(),
#>   percbelowpoverty = col_double(),
#>   percchildbelowpovert = col_double(),
#>   percadultpoverty = col_double(),
#>   percelderlypoverty = col_double(),
#>   inmetro = col_double(),
#>   category = col_character(),
#>   date1 = col_date(format = ""),
#>   date2 = col_date(format = ""),
#>   empty1 = col_logical(),
#>   empty2 = col_logical(),
#>   empty3 = col_logical(),
#>   empty4 = col_logical(),
#>   empty11 = col_logical(),
#>   empty21 = col_logical(),
#>   empty31 = col_logical(),
#>   empty41 = col_logical(),
#>   empty12 = col_logical(),
#>   empty22 = col_logical(),
#>   empty32 = col_logical(),
#>   empty42 = col_logical(),
#>   empty13 = col_logical(),
#>   empty23 = col_logical(),
#>   empty33 = col_logical(),
#>   empty43 = col_logical(),
#>   dt = col_datetime(format = ""),
#>   time = col_time(format = "")
#> )

但如果数据是RDS格式（或已经加载到R环境中的数据集），直接调用spec()拿不到有效结果。不希望通过转存为CSV再用read_csv()读取的绕路方案，测试代码如下：

f <- file.path(tempdir(), "midwest10.RDS")
saveRDS(df, f)

df2 <- readRDS(f)
df2 <- type_convert(df2)
#> -- Column specification --------------------------------------------------------
#> cols(
#>   .default = col_double(),
#>   county = col_character(),
#>   state = col_character(),
#>   category = col_character(),
#>   # ... with 20 more columns
#> )
#> i Use `spec()` for the full column specifications.

spec(df2)  # 期望返回完整列规范，实际返回NULL
#> NULL

type_convert()默认不会把猜测到的完整列规范附加到输出的数据框上，只会在控制台打印截断的摘要，所以后续调用spec()会返回NULL。只需要在调用type_convert()时加上spec = TRUE参数，函数就会把完整的列规范作为属性附加到转换后的数据框，之后直接调用spec()就能拿到完整结果，不需要转存CSV。
参考代码：

f <- file.path(tempdir(), "midwest10.RDS")
saveRDS(df, f)

df2 <- readRDS(f)
# 关键参数：spec = TRUE
df2 <- type_convert(df2, spec = TRUE)

# 此时调用spec()即可返回完整列规范
spec(df2)

补充说明 #

• 拿到cols格式的列规范对象后，可以直接修改对应列的类型定义，后续处理同结构数据时，直接把这个规范对象传给type_convert()的col_types参数即可，不需要重复做类型猜测。
• 全空值列默认会被识别为col_logical()类型，如果需要调整为其他类型，直接在规范对象中修改对应列的配置即可。
• 如果已经完成type_convert()转换、没加spec = TRUE参数，不需要重新跑转换流程，执行spec(df2) <- guess_spec(df2)即可补全列规范属性，只是效率比转换时直接携带参数稍低。

内容的提问来源于stack exchange，提问作者HBat