我对大型单列数据集进行数据分析，其中包含大量“枚举”。例如，列可能包含Not，很少，中性，有时，始终或NA /空。另一栏可能包含男/女。我可能有50万行，50列。我正在研究存储和使用这些数据的不同选项，并且对使用Postgres感兴趣。我看到有一个枚举类型，但必须预先定义，并且扩展困难/昂贵。我习惯于使用内部使用整数和查找表来处理R中的因子，这些因子正常工作。
我刚刚在Postgres进行了一次快速实验，包括19000行和40列，所有微小因素，但作为varchars导入。该表占用了10MB空间。与仅生成的生成表相比，占用了2MB空间。
是否有对Postgres的扩展或某种自动获取此功能的方法？我当然可以创建大量的外国专栏，但这似乎是很多程序。我可以静态定义枚举，或者我甚至可以将查找表保留在R / Python脚本中 - 但所有这些看起来都容易出错，开销很大，或者可移植性差......
答案 0 :(得分：0)
据我所知，没有自动解决方案。
在大多数应用程序中，磁盘空间并不重要。
当磁盘空间 关键时，使用整数作为外键进行数据压缩非常简单，易于扩展，可靠且可移植。 （枚举是SQL数据库管理系统中最少可移植功能之一。）
如果您有50行50列，并且每列都是整数代理键，那么您只需要谈论100 MB加上引用的表和索引的大小。五倍即500 MB。在数据库方面，这是一个小型数据库。哎呀，在我回答问题之前，我有时会加载50行百万行进行测试。
如果我在你的位置，我只需要在需要时读取数据（列和参考表），并使用R将数据转换为因子。