获取 Haskell CSV 中的列并推断列类型

我正在交互式 ghci 会话中探索 csv 文件（在 jupyter 笔记本中）：

import Text.CSV
import Data.List
import Data.Maybe

dat <- parseCSVFromFile "/home/user/data.csv"
headers = head dat
records = tail dat

-- define a way to get a particular row by index
indexRow :: [[Field]] -> Int -> [Field]
indexRow csv index = csv !! index

indexRow records 1
-- this works! 

-- Now, define a way to get a particular column by index
indexField :: [[Field]] -> Int -> [Field]
indexField records index = map (\x -> x !! index) records

如果我事先知道第 3 列的类型，则此方法有效：

map (\x -> read x :: Double) $ indexField records 3

我怎样才能问read例如，当我的列可能包含字符串或数字时，推断类型可能是什么？我想为我尝试一下，但是：

map read $ indexField records 3

失败了

Prelude.read: no parse

我不在乎它们是字符串还是数字，我只需要它们都是相同的，并且我无法找到一种至少使用读取函数来指定的方法。

奇怪的是，如果我像这样定义一个均值函数：

mean :: Fractional a => [a] -> Maybe a
mean [] = Nothing
mean [x] = Just x
mean xs = Just (sum(xs) / (fromIntegral (length xs)))

这有效：

mean $ map read $ indexField records 2
Just 13.501359655240003

但如果没有平均值，这仍然失败：

map read $ indexField records 2
Prelude.read: no parse

很遗憾，read遇到这样的情况，已经束手无策了。让我们回顾一下read:

read :: Read a => String -> a

如你看到的，a不依赖于输入，而仅依赖于输出，因此也依赖于我们函数的上下文。如果你使用read a + read b，那么额外的Num上下文会将类型限制为Integer or Double due to default规则。让我们看看它的实际效果：

> :set +t
> read "1234"
*** Exception: Prelude.read: no parse
> read "1234" + read "1234"
2468
it :: (Num a, Read a) => a

Ok, a仍然没有帮助。是否有任何类型我们可以在没有额外上下文的情况下阅读？当然，单位：

> read "()"
()
it :: Read a => a

这仍然没有任何帮助，所以让我们启用单态限制 https://stackoverflow.com/q/32496864/1139697:

> :set -XMonomorphismRestriction
> read "1234" + read "1234"
2468
it :: Integer

啊哈。最后，我们有一个Integer。由于+，我们必须决定一种类型。现在，随着MonomorphismRestriction启用后会发生什么read "1234"没有额外的上下文？

> read "1234"
<interactive>:20:1
   No instance for (Read a0) arising from a use of 'read'
   The type variable 'a0' is ambiguous

现在 GHCi 不选择任何（默认）类型和力量you选择一个。这使得潜在的错误更加清晰。

那么我们该如何解决这个问题呢？由于 CSV 可以在运行时包含任意字段，并且所有类型都是静态确定的，因此我们必须通过引入类似的内容来作弊

data CSVField = CSVString String | CSVNumber Double | CSVUnknown

然后写

parse :: Field -> CSVField

毕竟我们的类型需要覆盖all可能的字段。

但是，对于您的情况，我们可以限制read's type:

myRead :: String -> Double
myRead = read

但这并不明智，因为如果该列不包含，我们仍然可能会遇到错误Double首先。所以，让我们使用readMaybe and mapM:

columnAsNumbers :: [Field] -> Maybe [Double]
columnAsNumbers = mapM readMaybe

这样，类型就固定了，我们被迫检查是否有Just某事或Nothing:

mean <$> columnAsNumbers (indexFields records 2)

如果您发现自己经常使用columnAsNumbers不过，创建一个运算符：

(!!$) :: [[Field]] -> Maybe [Double]
records !!$ index = columnAsNumbers $ indexFields records index