`write.dbf`与类为'tbl_df'的对象一起失败`

我用

.dbf

文件以及

dplyr

做了很多工作。

write.dbf（）

中有一个bug，它阻止将

tbl_df

对象写入

.dbf

文件

不幸的是，错误消息写得很糟糕，因此很难准确地知道发生了什么

这是一个MWE

library(dplyr)
library(foreign)

d <- data_frame( x = 1:4, y = rnorm(4) )
write.dbf(d, "test.dbf")
  Error in write.dbf(d, "test.dbf") : unknown column type in data frame

库（dplyr）
图书馆（外文）
d这里的解决方案是将
d
类强制为裸
data.frame

class(d)
 [1] "tbl_df"     "tbl"        "data.frame"
df <- as.data.frame(d)
class(df)
 [1] "data.frame"
write.dbf(as.data.frame(df), "test.dbf")  # works

类别（d）
[1] “tbl_df”“tbl”“数据帧”
df我不确定在
foreign
中断言一个bug是否公平。考虑这一点：

library(dplyr)

df <- data.frame(x=1:10, y=11:20)
class(df)
# [1] "data.frame"
mode(df$x)              # as expected
# [1] "numeric"
mode(df[,"x"])          # as expected
# [1] "numeric"

dp <- data_frame(x=1:10, y=11:20)
class(dp)
# [1] "tbl_df"     "tbl"        "data.frame"
mode(dp$x)
# [1] "numeric"         # as expected
mode(dp[,"x"])
# [1] "list"            # WTF?!

库（dplyr）
奇怪的是，这些东西是如何分组的。显示了完全相同的问题。我想我认为错误不一定是因为
write.dbf（）
不能处理所有类型的对象，而是
dplyr
正在被广泛使用，错误消息难以理解。只要他们更改了错误消息，我就对功能感到满意。嗯，这有点哲学性，但我认为问题在于
dplyr
。在测试列的模式时，所谓的“data_frame”返回“list”，这是不合理的。它会破坏大量函数/包中的代码。
write.dbf（tbl_dt（d），“test.dbf”）
对您有用吗？事实上，我通常通过使用
write.dbf（as.data.frame（d），“test.dbf”）
来解决这个问题，尽管您的速度可能更快。