Revo Scale R rxCube和其他开源并行包？

Question

我有7200万观察数据框。它有两列，my_id和my_rand个变量。 数据框有大约600万个唯一my_id。我需要按my_rank计算平均值my_id（按my_id分组）。 我尝试运行上面的常规R命令，但它似乎冻结了R（可能数据太大而无法适应内存）。

avg_rank_by_id<-aggregate(dataframe1["my_rank"],by=dataframe1["my_id"], mean, na.rm=TRUE)

有没有办法运行Revo Scale R，例如rxCube等来达到目标​​？我在Linux上运行。它尝试下面，但得到了错误。

我是R的新手。除了Revo Scale R之外，还有另一款高性能计算开源R套件吗？感谢。

acct_avg_rank <- rxCube( N(m13_rank)~acct_id, data=payee_merge, means=TRUE, returnDataFrame=TRUE)

所有自变量必须是rxCube和rxCrossTabs的因子："acct_id"。 使用F(x)声明连续变量x将被视为一个因素。

  

rxCall错误（＆＃34; RxCrossTabs＆＃34;，params）：
  电话：rxCube - ＆gt; rxCubeBase - ＆gt; rxCall - ＆gt; .CALL

Answer 1

您导入的acct_id似乎被视为numeric，而且需要factor。

您有三种选择：
1.再次导入并使用colClasses = c(acct_id = "factor") 2.使用rxFactors将acct_id更改为factor 3.更改为公式中的factor。

acct_avg_rank <- rxCube(N(m13_rank) ~ F(acct_id), data=payee_merge,
                        means=TRUE, returnDataFrame=TRUE)