Question

我有一个大的（450MB / 2.5亿行）1s和0s的平面文件，看起来像这样......

我使用以下方法将其读入R ...

dat <- as.numeric(readLines("my_large_file"))

我正在获得所需的数据结构，但需要很长时间。有什么建议可以更快速地获得相同的结果吗？

NB。 1和0的顺序对于保存很重要。我会在unix命令行的python中考虑选项，但是在R中需要最终的数据结构来绘制图形。

Answer 1

对于只需要返回矢量的数字文件，您可以使用scan做得更好。

scan("my_large_file", what = integer())

what参数将加快文件的读取速度（而不是将其删除），因为您实际上在告诉R它将读取整数值。 scan还有许多其他参数可用于大型数字文件（例如skip，nlines等）。

另外，正如@baptiste在评论中提到的那样，

library(data.table)
fread("my_large_file")

将readLines和scan都吹走（在我的机器上）。

注意：可能是拼写错误，但在原始帖子中，我认为readlines应为readLines

Answer 2

Timings比较几个选项。首先，一些数据。

set.seed(21)
x <- sample.int(2, 25e6, TRUE) - 1L
writeLines(as.character(x),"data")

现在，一些基准测试（每个基准测试从新的R会话运行以避免文件被缓存）。

> system.time(r <- as.numeric(readLines("data")))
   user  system elapsed 
  5.235   0.447   5.681 
> system.time(r <- scan("data",what=numeric()))
Read 25000000 items
   user  system elapsed 
  4.199   0.286   4.483 
> system.time(r <- scan("data",what=integer()))
Read 25000000 items
   user  system elapsed 
  3.134   0.081   3.214
> require(data.table)
> system.time(r <- fread("data")$V1)
   user  system elapsed 
  0.412   0.026   0.439

验证：

> num <- as.numeric(readLines("data"))
> int <- as.integer(readLines("data"))
> sn <- scan("data",what=numeric())
Read 25000000 items
> si <- scan("data",what=integer())
Read 25000000 items
> dti <- fread("data")$V1
> identical(num,sn)
[1] TRUE
> identical(int,si)
[1] TRUE
> identical(int,dti)
[1] TRUE

快速将大型平面文件读入r as.numeric

2 个答案: