Question

我有两个非常大的.csv文件，让我们称它们为CSV.1和CSV.2（CSV.1约为1.4 GB，CSV.2约为790 MB），我想加入它们公共字段“Id”上的完全外部联接。 CSV文件的字段有多种类型，一些是完全数字的，另一些是字符串。此外，CSV.1有大约190列和160万条记录，CSV.2有大约40列和570k记录。

最初，我编写并执行了以下代码：

first_csv <- read.csv("CSV.1")
second_csv <- read.csv("CSV.2")
joined_csv <- join(CSV.1, CSV.2, by="Id", type="full")

然而，这返回了典型的，你的RAM完全纳税，错误。所以我尝试了以下内容：

# Install and invoke the ff package
install.packages("ff")
library(ff)
library(plyr)

# Read in the data
first_csv <- read.csv("CSV.1")
second_csv <- read.csv("CSV.2")

# Convert dataframes to ffdf's, while freeing up memory
first_csv_ff <- as.ffdf(first_csv)
rm(first_csv)
gc()
second_csv_ff <- as.ffdf(second_csv)
rm(second_csv)
gc()

# Attempt to join the two ffdf's by "Id"
joined_csv <- join(first_csv_ff, second_csv_ff, by="Id", type="full")

R发出以下错误：

Error in as.hi.integer(x, maxindex = maxindex, dim = dim, vw = vw, pack = pack) : 
NAs in as.hi.integer

我也尝试过没有as.ffdf的“＆lt; - ffdf（）”，但也没有任何欢乐。

非常感谢您的帮助！

Answer 1

您可以使用merge ff个套餐，仅供参考：

FULL Outer join ~ merge(x = df1, y = df2, ...., all = TRUE)

根据您的数据，这应该有效：

merge(first_csv_ff, second_csv_ff, by="Id", all=TRUE)

Answer 2

ffbase包为ff包提供了基本的统计功能。

install.packages(ffbase)
require(ffbase)
#now perform the merge
merge(ffdf1,ffdf2,by="key")

如何在R中使用ff包合并两个大型data.frames？

2 个答案: