Question

我有一个大文件（data.txt，35 GB），有3列。该文件的一些示例部分如下所示：

...   ...    ...
5   701565  8679.56
8   1.16201e+006    3193.18
1   1.16173e+006    4457.85
14  1.16173e+006    4457.85
9   1.77942e+006    7208.73
4   1.78011e+006    8239.88
14  1.78019e+006    8195.57
9   2.00206e+006    8858.55
4   2.00199e+006    7924
...   ...    ...

当第二列中的值介于0到50＆000之间时，我想为第3列绘制直方图。

然后我想做另一个直方图，其中第一列的值介于50＆＃39,000和100＆＃000; 000之间。等等，等等。

我不知道如何使用sqldf包来说明第二列的条件，因为我没有任何列名？

应该是这样的：

sql =＆＃34;从文件中选择*其中＆＃39; column2＆＃39; ＆GT; 0和＆＃39;第2列＆＃39; ＆LT; 50000＆＃34;

如何选择＆＃39; column2＆＃39;？

Answer 1

由于您的数据没有列名，请使用header = F。

读取数据

然后尝试以下示例sql：

仅读取那些满足第3列的行<＆lt; 5000：

read.csv.sql(file = "test.txt", header = F, sep = " ", sql = "select * from file where v3<5000")

结果：

  V1      V2      V3
1  8 1162010 3193.18
2  1 1161730 4457.85
3 14 1161730 4457.85

使用v2按第2列过滤。

Answer 2

也许有点晚了，但是我遇到了类似的问题，并且设法解决了这个问题：

virtualenv

使用file <- data.frame(RN1 = runif(10), RN2 = 1:10, RN3 = letters[1:10]) sqldf("select Col2 from (select NULL as Col1, NULL as Col2, NULL as Col3 where 1 = 0 UNION ALL select * from file)") Col2 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 10 10可以更改查询中列的名称，而不必更改原始data.frame的名称，因此无论名称是否更改或更改，我都可以按位置写一列未知。

更新：

另一个更有效的选择是获取列的名称并按其位置引用它。

(select NULL as Col1, NULL as Col2, NULL as Col3 where 1 = 0 UNION ALL select * from file)

如果没有给出列名，如何使用sqldf选择特定列

2 个答案: