我正在处理一个相对较大的数据集（5个文件，每个2GB，给你一个数量级的表，其中一个表是1.5M行x 270列），我使用dplyr left_joint功能（在这些数据集和其他数据集之间）小桌子）。这些表包含我不想丢失的字符串数据。但是，使用处理大型数据集的包（如bigmemory或ff）会将字符串转换为因子，然后转换为数字，这意味着数据会丢失。有没有办法操纵那些文件（我的8GB内存）丢失信息？
答案 0 :(得分：1)
当您说使用因素时信息丢失时，我不明白。
例如，假设Stored as Number
是您的字符串列之一，您可以执行
str所以，基本上你有整数作为查找表的索引来取回你的字符串。
但是，如果你使用big.matrix格式，你将无法使用 dplyr ，但我认为为你的特定情况重新实现左连接会相对容易。
答案 1 :(得分：0)
使用大型数据集探索R上任何类型处理的Data.tables。与R上的任何其他数据处理包相比，速度和效率是无与伦比的。