write.csv用于大型data.table

Question

我有一个data.table不是很大(2 GB)但由于某种原因write.csv需要很长时间才能写出来(我从未真正完成等待)并且似乎使用了大量的RAM来完成它.

我尝试将其转换data.table为a,data.frame尽管自从data.table扩展以来这不应该做任何事情data.frame.有没有人碰到这个？

更重要的是,如果你用Ctrl- 来阻止它C,R似乎没有给回记忆.

Answer 1

更新2019.01.07:

fwrite 自2016-11-25以来一直在CRAN上.

install.packages("data.table")

更新08.04.2016:

fwrite最近已添加到data.table包的开发版本中.它也并行(隐式)运行.

# Install development version of data.table
install.packages("data.table", 
                  repos = "https://Rdatatable.github.io/data.table", type = "source")

# Load package
library(data.table)

# Load data        
data(USArrests)

# Write CSV
fwrite(USArrests, "USArrests_fwrite.csv")

根据加速write.table性能所显示的详细基准测试,fwrite比write.csv那里(YMMV)快约17倍.

更新2015年12月15日:

将来可能会fwrite在data.table软件包中有一个函数,请参阅:https://github.com/Rdatatable/data.table/issues/580.在这个线程中,GIST是链接的,它提供了这样一个函数的原型,将该过程加速了2倍(根据作者,https://gist.github.com/oseiskar/15c4a3fd9b6ec5856c89).

原始答案:

我遇到了同样的问题(尝试编写更大的CSV文件)并最终决定不使用CSV文件.

我建议你使用SQLite,因为它比处理CSV文件要快得多:

require("RSQLite")
# Set up database    
drv <- dbDriver("SQLite")
con <- dbConnect(drv, dbname = "test.db")
# Load example data
data(USArrests)
# Write data "USArrests" in table "USArrests" in database "test.db"    
dbWriteTable(con, "arrests", USArrests)

# Test if the data was correctly stored in the database, i.e. 
# run an exemplary query on the newly created database 
dbGetQuery(con, "SELECT * FROM arrests WHERE Murder > 10")       
# row_names Murder Assault UrbanPop Rape
# 1         Alabama   13.2     236       58 21.2
# 2         Florida   15.4     335       80 31.9
# 3         Georgia   17.4     211       60 25.8
# 4        Illinois   10.4     249       83 24.0
# 5       Louisiana   15.4     249       66 22.2
# 6        Maryland   11.3     300       67 27.8
# 7        Michigan   12.1     255       74 35.1
# 8     Mississippi   16.1     259       44 17.1
# 9          Nevada   12.2     252       81 46.0
# 10     New Mexico   11.4     285       70 32.1
# 11       New York   11.1     254       86 26.1
# 12 North Carolina   13.0     337       45 16.1
# 13 South Carolina   14.4     279       48 22.5
# 14      Tennessee   13.2     188       59 26.9
# 15          Texas   12.7     201       80 25.5

# Close the connection to the database
dbDisconnect(con)

有关详细信息,请参阅http://cran.r-project.org/web/packages/RSQLite/RSQLite.pdf

您还可以使用http://sqliteadmin.orbmu2k.de/等软件访问数据库并将数据库导出为CSV等.

-