这些函数创建与 Arrow 类型相对应的类型对象。在定义 schema() 或作为其他类型的输入（如 struct）时使用它们。
用法
int8()
int16()
int32()
int64()
uint8()
uint16()
uint32()
uint64()
float16()
halffloat()
float32()
float()
float64()
boolean()
bool()
utf8()
large_utf8()
binary()
large_binary()
fixed_size_binary(byte_width)
string()
date32()
date64()
time32(unit = c("ms", "s"))
time64(unit = c("ns", "us"))
duration(unit = c("s", "ms", "us", "ns"))
null()
timestamp(unit = c("s", "ms", "us", "ns"), timezone = "")
decimal(precision, scale)
decimal128(precision, scale)
decimal256(precision, scale)
struct(...)
list_of(type)
large_list_of(type)
fixed_size_list_of(type, list_size)
map_of(key_type, item_type, .keys_sorted = FALSE)参数
- byte_width
FixedSizeBinary类型的字节宽度。- unit
对于时间/时间戳类型，时间单位。
time32()可以使用“s”或“ms”，而time64()可以使用“us”或“ns”。timestamp()可以使用这四个值中的任何一个。- timezone
对于
timestamp()，一个可选的时区字符串。- precision
对于
decimal()、decimal128()和decimal256()，arrowdecimal类型可以表示的有效位数。decimal128()的最大精度为 38 位有效数字，而decimal256()的最大精度为 76 位有效数字。decimal()将使用它来选择返回哪种类型的 decimal。- scale
对于
decimal()、decimal128()和decimal256()，小数点后的位数。它可以是负数。- ...
对于
struct()，一个命名类型的列表，用于定义结构列- type
对于
list_of()，一个数据类型，用于创建列表类型- list_size
FixedSizeList类型的列表大小。- key_type, item_type
对于
MapType，键和值的类型。- .keys_sorted
使用
TRUE断言MapType的键已排序。
值
继承自 DataType 的 Arrow 类型对象。
详情
一些函数有别名
utf8()和string()float16()和halffloat()float32()和float()bool()和boolean()当在
arrow函数（如schema()或cast()）内调用时，也支持double()作为创建float64()的一种方式
date32() 创建一个具有“天”单位的日期时间类型，类似于 R 的 Date 类。date64() 具有“ms”单位。
uint32（32 位无符号整数）、uint64（64 位无符号整数）和 int64（64 位有符号整数）类型可能包含超出 R 的 integer 类型（32 位有符号整数）范围的值。将这些 arrow 对象转换为 R 对象时，uint32 和 uint64 将转换为 double（“numeric”），int64 将转换为 bit64::integer64。对于 int64 类型，可以通过设置 options(arrow.int64_downcast = FALSE) 来禁用此转换（以便 int64 始终生成 bit64::integer64 对象）。
decimal128() 创建一个 Decimal128Type。Arrow 十进制数是编码为标量整数的定点十进制数。precision 是十进制类型可以表示的有效位数；scale 是小数点后的位数。例如，数字 1234.567 的精度为 7，小数位数为 3。请注意，scale 可以是负数。
例如，decimal128(7, 3) 可以精确表示数字 1234.567 和 -1234.567（内部编码为 128 位整数 1234567 和 -1234567），但不能精确表示 12345.67 或 123.4567。
decimal128(5, -3) 可以精确表示数字 12345000（内部编码为 128 位整数 12345），但不能精确表示 123450000 或 1234500。可以将 scale 视为控制舍入的参数。当为负数时，scale 会导致数字使用科学计数法和 10 的幂表示。
decimal256() 创建一个 Decimal256Type，它允许更高的最大精度。对于大多数用例，Decimal128Type 提供的最大精度就足够了，并且它将导致更紧凑、更高效的编码。
decimal() 根据 precision 的值创建 Decimal128Type 或 Decimal256Type。如果 precision 大于 38，则返回 Decimal256Type，否则返回 Decimal128Type。
建议使用 decimal128() 或 decimal256()，因为这些名称比 decimal() 更具信息性。
另请参阅
dictionary() 用于创建字典（类似于因子）类型。
示例
bool()
#> Boolean
#> bool
struct(a = int32(), b = double())
#> StructType
#> struct<a: int32, b: double>
timestamp("ms", timezone = "CEST")
#> Timestamp
#> timestamp[ms, tz=CEST]
time64("ns")
#> Time64
#> time64[ns]
# Use the cast method to change the type of data contained in Arrow objects.
# Please check the documentation of each data object class for details.
my_scalar <- Scalar$create(0L, type = int64()) # int64
my_scalar$cast(timestamp("ns")) # timestamp[ns]
#> Scalar
#> 1970-01-01 00:00:00.000000000
my_array <- Array$create(0L, type = int64()) # int64
my_array$cast(timestamp("s", timezone = "UTC")) # timestamp[s, tz=UTC]
#> Array
#> <timestamp[s, tz=UTC]>
#> [
#> 1970-01-01 00:00:00Z
#> ]
my_chunked_array <- chunked_array(0L, 1L) # int32
my_chunked_array$cast(date32()) # date32[day]
#> ChunkedArray
#> <date32[day]>
#> [
#> [
#> 1970-01-01
#> ],
#> [
#> 1970-01-02
#> ]
#> ]
# You can also use `cast()` in an Arrow dplyr query.
if (requireNamespace("dplyr", quietly = TRUE)) {
library(dplyr, warn.conflicts = FALSE)
arrow_table(mtcars) %>%
transmute(
col1 = cast(cyl, string()),
col2 = cast(cyl, int8())
) %>%
compute()
}
#> Table
#> 32 rows x 2 columns
#> $col1 <string>
#> $col2 <int8>
#>
#> See $metadata for additional Schema metadata