fread不能将裸的加号或减号识别为字符字段

Question

fread不能将裸的加号或减号识别为字符字段

3

我正在尝试对一些大小约为2GB的文件进行fread操作，这些文件看起来像这样：

head file.bed
chr1    19922471        19924471        +       NM_001204088    tss     1       0
chr1    19922471        19924471        +       NM_001204088    tss     2       0
chr1    19922471        19924471        +       NM_001204088    tss     3       0
chr1    19922471        19924471        +       NM_001204088    tss     4       0
chr1    19922471        19924471        +       NM_001204088    tss     5       0
chr1    19922471        19924471        +       NM_001204088    tss     6       0
chr1    19922471        19924471        +       NM_001204088    tss     7       0
chr1    19922471        19924471        +       NM_001204088    tss     8       0
chr1    19922471        19924471        +       NM_001204088    tss     9       0
chr1    19922471        19924471        +       NM_001204088    tss     10      0

第四列也有相似数量的“-”。在R中读取时，“+/-”会变成0：

cov.data <- fread(file)
head(cov.data)
     V1       V2       V3 V4           V5  V6 V7 V8
1: chr1 19922471 19924471  0 NM_001204088 tss  1  1
2: chr1 19922471 19924471  0 NM_001204088 tss  2  1
3: chr1 19922471 19924471  0 NM_001204088 tss  3  1
4: chr1 19922471 19924471  0 NM_001204088 tss  4  1
5: chr1 19922471 19924471  0 NM_001204088 tss  5  1
6: chr1 19922471 19924471  0 NM_001204088 tss  6  0

我查阅了文档，但是没能找出原因。有什么建议吗？由于fread仍在开发中，所以这可能是一个bug吗？

- fridaymeetssunday

2个回答

3

似乎静态函数Strtoll在fread.c（在data.table 1.8.8源代码中）扫描前导的+或-，并确保至少消耗了一个字符以确定它是否已经扫描到整数。

然后，逻辑从0的累加器开始，将其乘以10并添加每个数字。未发现非数字，因此该函数返回TRUE。

看起来像是一个错误。

- Matthew Lundberg

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Arun · Accepted Answer

两件事：

首先，如果您的文件包含引号，也就是说，如果您的 strand 列为 "+" 或 "-"，那么来自 data.table 版本 1.8.8 的 fread 将正确读取。

其次，在 data.table 版本 1.8.9 中已经纠正了这个问题，您可以使用以下命令进行安装：

install.packages("data.table",repos="http://R-Forge.R-project.org", type="source")

如果需要，您可以安装 devtools ，然后使用 dev_mode（TRUE）进入开发模式，然后在那里安装 data.table ，以便不会妨碍 data.table 1.8.8 的正常运行。

从1.8.9的相关更改日志的复制/粘贴：

NEW FEATURES
o  fread :
   * If some column names are blank they are now given default names rather than causing
       the header row to be read as a data row. Thanks to Simon Judes for suggesting.

   * "+" and "-" are now read as character rather than integer 0. Thanks to Alvaro Gonzalez for reporting.
   https://dev59.com/U2_Xa4cB1Zd3GeqP25p0

....