CsvReadOptions
、CsvParseOptions
、CsvConvertOptions
、JsonReadOptions
、JsonParseOptions
和 TimestampParser
是各种文件读取选项的容器。请参阅它们在 read_csv_arrow()
和 read_json_arrow()
中的用法。
工厂
CsvReadOptions$create()
和 JsonReadOptions$create()
工厂方法接受以下参数
use_threads
是否使用全局 CPU 线程池block_size
我们从 IO 层请求的块大小;也决定了 use_threads 为TRUE
时的块大小。注意:如果为FALSE
,JSON 输入必须以空行结尾。
CsvReadOptions$create()
进一步接受这些附加参数
skip_rows
读取数据前要跳过的行数(默认为 0)。column_names
用于提供列名的字符向量。如果长度为 0(默认值),除非autogenerate_column_names
为TRUE
,否则将解析第一个非跳过的行以生成列名。autogenerate_column_names
逻辑值:生成列名而不是使用第一个非跳过的行(默认值)? 如果为TRUE
,列名将为 "f0"、"f1"、...、"fN"。encoding
文件编码。(默认"UTF-8"
)skip_rows_after_names
列名之后要跳过的行数(默认为 0)。此数字可以大于一个块中的行数,并且空行也被计算在内。应用顺序如下应用
skip_rows
(如果非零);读取列名(除非设置了
column_names
);应用
skip_rows_after_names
(如果非零)。
CsvParseOptions$create()
接受以下参数
delimiter
字段分隔符(默认为","
)quoting
逻辑值:字符串是否被引用?(默认为TRUE
)quote_char
引用字符,如果quoting
为TRUE
(默认为'"'
)double_quote
逻辑值:值内的引号是否使用双引号?(默认为TRUE
)escaping
逻辑值:是否使用转义字符?(默认为FALSE
)escape_char
转义字符,如果escaping
为TRUE
(默认为"\\"
)newlines_in_values
逻辑值:是否允许值包含 CR (0x0d
) 和 LF (0x0a
) 字符?(默认为FALSE
)ignore_empty_lines
逻辑值:是否应忽略空行(默认值)或生成一行缺失值(如果为FALSE
)?
JsonParseOptions$create()
仅接受 newlines_in_values
参数。
CsvConvertOptions$create()
接受以下参数
check_utf8
逻辑值:检查字符串列的 UTF8 有效性?(默认为TRUE
)null_values
用于识别空值的字符串向量。类似于read.csv()
的na.strings
参数或readr::read_csv()
中的na
。strings_can_be_null
逻辑值:字符串/二进制列是否可以有空值? 类似于readr::read_csv()
的quoted_na
参数。(默认为FALSE
)true_values
用于识别TRUE
值的字符串向量false_values
用于识别FALSE
值的字符串向量col_types
用于推断类型的Schema
或NULL
auto_dict_encode
逻辑值:是否尝试自动字典编码字符串/二进制数据(类似于stringsAsFactors
)。 默认为FALSE
。 对于非推断列(col_types
中的列),此设置将被忽略。auto_dict_max_cardinality
如果为auto_dict_encode
,则字符串/二进制列最多会被字典编码到此唯一值的数量(默认为 50),之后它会切换到常规编码。include_columns
如果非空,则指示应实际读取和转换的 CSV 文件中的列名(按向量的顺序)。include_missing_columns
逻辑值:如果提供了include_columns
,是否应将其中命名但未在数据中找到的列作为null()
类型的列包含在内? 默认值 (FALSE
) 表示读取器将引发错误。timestamp_parsers
用户定义的时间戳解析器。 如果指定了多个解析器,CSV 转换逻辑将从该向量的开头开始尝试解析值。 可能的值包括 (a)NULL
(默认值),它使用 ISO-8601 解析器; (b) strptime 解析字符串的字符向量; 或 (c) TimestampParser 对象的列表。decimal_point
用于浮点数中小数点的字符。 默认值:“。”
TimestampParser$create()
接受一个可选的 format
字符串参数。 有关示例语法,请参阅 strptime()
。 默认是使用 ISO-8601 格式解析器。
CsvWriteOptions$create()
工厂方法接受以下参数
include_header
是否写入包含列名的初始标题行batch_size
一次处理的最大行数。 默认为 1024。null_string
为空值写入的字符串。 不能包含引号。 默认为空字符串 (""
)。eol
用于结束行的行尾字符。delimiter
字段分隔符quoting_style
引用样式:“Needed”(仅将需要引号的值括起来,因为它们的 CSV 呈现可以包含引号本身(例如,字符串或二进制值))、“AllValid”(将所有有效值括在引号中)或“None”(不要将任何值括在引号中)。