Question

我正在处理一个大块的数据，这些数据是我在块中拆分的，所以它可以通过ram来管理，如下所示：（这是一个例子，我有更多的块）

var_1<-all_modell [c(1:150000)     ,]; save(var_1,file="~/var_1.Rdata");rm(var_1);
var_2<-all_modell [c(150001:300000),]; save(var_2,file="~/var_2.Rdata");rm(var_2);
var_3<-all_modell [c(300001:450000),]; save(var_3,file="~/var_3.Rdata");rm(var_3);

这个想法是每个迭代加载一个块，用于预测然后擦除，因此ram可以自由处理下一个块：

for (i in 1:n_chunks)
{
name<-sprintf('var_%i',i); path<-sprintf('~/var_%i.Rdata',i)
load(path)
predicted     <- predict(Model, newdata =name, type = "prob") #here is the problem
value         <- as.numeric(lapply(predicted,"[[",2))
namef         <- sprintf('~/predicted%i.Rdata',i)
save(value,file=namef)
rm(list= ls()[!(ls()%in% Model)])
}

我想知道的是如何通过名字不同的newdata=name ... 我也试过这个，但它不起作用：

predicted <- predict(Model, parse(text=sprintf(sprintf('newdata=var_%i',i))), type="prob")

Answer 1

使用get()执行此操作。这是一个最小的例子：

x <- 1:100

x_1 <- x[1:50]
x_2 <- x[51:100]

for(i in 1:2){
  var <- sprintf('x_%i',i)
  print(sum(get(var)))
}

这导致：

[1] 1275
[1] 3775

有关详细信息，请参阅?get。

Answer 2

使用单独的环境来保存您的块而不是使用get可能会更清洁一些（尽管get是这里的简单答案，并且是FAQ 7.21的一部分。）

可能修改您的代码：

myenv <- new.env()

for (i in 1:n_chunks) {
  name<-sprintf('var_%i',i); path<-sprintf('~/var_%i.Rdata',i)
  load(path, env=myenv)
  predicted     <- predict(Model, newdata =myenv[[name]], type = "prob")
  value         <- as.numeric(lapply(predicted,"[[",2))
  namef         <- sprintf('~/predicted%i.Rdata',i)
  save(value,file=namef)
  rm(list= ls(env=myenv), envir=myenv)
}

如何在newdata = var_i中使用predict（）？

2 个答案: