使用readr::read_csv读CSV时自动展开列内科学计数法并保留字符类型

问题根因说明 #

• 调整全局scipen、digits参数不生效的原因：CSV文件中存储的科学计数法内容是字面字符串（并非数值型内容），全局R选项仅影响R内部数值的打印格式，不会干预已读取字符串的内容转换。
• 调整guess_max参数不生效的原因：该参数仅用于调整列类型的自动猜测范围，不会修改已识别列内的具体字符串值。

实现逻辑 #

将解析规则内嵌到read_csv的列读取流程中，读取完成的同时自动完成格式转换，无需手动打开CSV预处理，也不需要在读取结束后对数据集做批量事后匹配。

代码实现 #

• 编写逐值解析逻辑：自动识别列内的标准科学计数法格式字符串，将其转换为完整数值字符串，非科学计数格式的内容原样保留

parse_id_field <- function(x) {
  # 匹配标准科学计数法格式（支持整数/小数底数、正负指数、e/E大小写）
  sci_mask <- grepl("^[0-9]*\\.?[0-9]+[eE][+-]?[0-9]+$", x)
  # 对匹配内容，转换为无科学计数、无分隔符的整数字符串
  x[sci_mask] <- formatC(
    as.numeric(x[sci_mask]),
    format = "d",
    big.mark = ""
  ) |> as.character()
  return(x)
}

• 绑定自定义解析规则到read_csv的列读取配置，整个转换过程属于读取流程的内置环节

library(readr)
# 为id列指定字符类型，挂载自定义解析器
col_config <- cols(
  id = colcharacter(parser = parse_vector(parse_id_field, character()))
)
dfcsv <- read_csv("file.csv", col_types = col_config)

输出效果 #

处理完成后的id列保持全字符类型，所有科学计数法内容自动展开：

> dfcsv$id
[1] "ge189839898"    "we7267178"      "2800000000000"

注意事项 #

• 解析逻辑仅对匹配标准科学计数法格式的字符串生效，带字母的非数值ID会被原样保留，不会触发类型转换错误
• 直接指定列类型的方式跳过了自动类型猜测环节，无需调整guess_max参数
• 转换过程不会保留多余的小数、千位分隔符，长数值ID会被展开为完整的纯数字字符串

内容的提问来源于stack exchange，提问作者user63230