使用readr::read_csv导入文件时如何限制列类型可选范围

核心原因：readr::read_csv默认仅扫描文件前1000行做列类型猜测，若对应列前1000行全为空，会被判定为逻辑型（R中空值默认是逻辑类NA），最终导致后续非空数据解析失败。

方案1：扩大类型猜测扫描范围（最简单） #

调大guess_max参数，让函数扫描更多行判断类型，若文件体积不大可直接设为Inf扫描全表，只要后续行存在非空的日期、数值或字符内容，就会自动匹配对应类型，不会生成逻辑型列：

library(readr)
df <- read_csv("目标文件路径.csv", guess_max = Inf)

方案2：先全量读为字符型再批量转换（适合大文件） #

如果文件体积过大，全表扫描效率太低，可以先把所有列默认读取为字符型，再调用type_convert()做批量类型转换：

# 第一步：所有列以字符型读取，避免提前误判类型
df_raw <- read_csv("目标文件路径.csv", col_types = cols(.default = col_character()))

# 第二步：批量转换类型，禁止转换为整数型，仅保留日期、双精度、字符三类
df <- type_convert(df_raw,
                   col_types = cols(.default = col_guess()),
                   guess_integer = FALSE)

如果仍有全空列被判定为逻辑型，可额外加一步统一转换：

library(dplyr)
df <- df %>%
  mutate(across(where(is.logical), as.character))

方案3：自定义列类型猜测规则（进阶固定规则） #

如果需要完全限制仅允许三类列类型，可以自定义猜测函数传入.default参数，从根源禁止逻辑型、整数型的生成：

library(readr)
# 自定义仅返回字符、双精度、日期时间三类的列类型猜测函数
custom_guess_col <- function(x) {
  guess_res <- guess_parser(x)
  if (guess_res == "logical") {
    return(col_character())
  } else if (guess_res == "integer") {
    return(col_double())
  } else {
    return(get(paste0("col_", guess_res))())
  }
}

# 读取时调用自定义规则
df <- read_csv("目标文件路径.csv", col_types = cols(.default = custom_guess_col()))

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