如何在R中读取大数据集

Question

可能的重复：
在 R 中快速读取非常大的表作为数据帧 < /p>

Hi ，

尝试在 R 中读取大型数据集，控制台显示以下错误：

data<-read.csv("UserDailyStats.csv", sep=",", header=T, na.strings="-", stringsAsFactors=FALSE)
> data = data[complete.cases(data),]
> dataset<-data.frame(user_id=as.character(data[,1]),event_date= as.character(data[,2]),day_of_week=as.factor(data[,3]),distinct_events_a_count=as.numeric(as.character(data[,4])),total_events_a_count=as.numeric(as.character(data[,5])),events_a_duration=as.numeric(as.character(data[,6])),distinct_events_b_count=as.numeric(as.character(data[,7])),total_events_b=as.numeric(as.character(data[,8])),events_b_duration= as.numeric(as.character(data[,9])))
Error: cannot allocate vector of size 94.3 Mb
In addition: Warning messages:
1: In data.frame(user_msisdn = as.character(data[, 1]), calls_date = as.character(data[,  :
  NAs introduced by coercion
2: In data.frame(user_msisdn = as.character(data[, 1]), calls_date = as.character(data[,  :
  NAs introduced by coercion
3: In class(value) <- "data.frame" :
  Reached total allocation of 3583Mb: see help(memory.size)
4: In class(value) <- "data.frame" :
  Reached total allocation of 3583Mb: see help(memory.size)

有谁知道如何读取大型数据集？ UserDailyStats.csv 的大小约为 2GB。

Answer 1

当然：

1. 买一台更大的计算机，特别是更多的内存
2. 运行 64 位操作系统，请参阅 1) 关于更多的内存，现在您可以使用它
3. 只读取您需要的列
4. 读取更少的行
5. 以二进制形式读取数据，而不是重新解析 2GB （这是非常低效的）。

R 站点。

Answer 2

您可以尝试使用 colClasses 在 read.csv 调用中指定数据类型。

data<-read.csv("UserDailyStats.csv", sep=",", header=T, na.strings="-", stringsAsFactors=FALSE, colClasses=c("character","character","factor",rep("numeric",6)))

尽管对于这种大小的数据集，它可能仍然存在问题，并且没有足够的内存用于您可能想要执行的任何分析。添加 RAM 和使用 64 位计算将提供更大的灵活性。

Answer 3

如果这是从控制台输出，那么您读取数据，但转换存在问题。

如果您以交互方式工作，则在 read.csv 使用 save(data, file="data.RData") 保存数据后，关闭 R，运行新实例，使用以下命令加载数据load("data.RData")，看看是否失败。

但从这个错误消息中我发现您在转换方面遇到了问题，因此您应该查看一下。