Question

我试图导入和导出一个10GB的CSV文件，大约有1000万个观察值。我最终想要大约10个可管理的RData文件（data_1.RData，data_2.Rdata等），但我在制作skip和nrows动态时遇到问题。我的nrows永远不会改变，因为我每个数据集需要近100万，但我认为我需要skip=的一些等式，以便每个循环增加以捕获下一个数据集百万行。此外，由于只有第一行包含变量名称，因此header=T可能会使ii=1上的任何内容搞乱。以下是我正在使用的大部分代码：

for (ii in 1:10){
      data <- read.csv("myfolder/file.csv", 
                         row.names=NULL, header=T, sep=",", stringsAsFactors=F,
                         skip=0, nrows=1000000)
      outName <- paste("data",ii,sep="_")
      save(data,file=file.path(outPath,paste(outName,".RData",sep="")))

    }

Answer 1

（未经测试，但......）您可以尝试这样的事情：

nrows <- 1000000
ind <- c(0, seq(from = nrows, length.out = 10, by = nrows) + 1)
header <- names(read.csv("myfolder/file.csv", header = TRUE, nrows = 1))

for (i in seq_along(ind)) {
  data <- read.csv("myfolder/file.csv", 
                   row.names = NULL, header = FALSE, 
                   sep = ",", stringsAsFactors = FALSE,
                   skip = ind[i], nrows = 1000000)
  names(data) <- header
  outName <- paste("data", ii, sep = "_")
  save(data, file = file.path(outPath, paste(outName, ".RData", sep = "")))
}

读入R中的大型CSV文件，并使用行数导出为多个RData文件并跳过

1 个答案: