在单个data.frame中并行读取500个独立小.rds文件
提问于 2017-12-20 09:39:21
一个类似的Q可能是R: Applying readRDS to a list object of .Rds file names，然而，该解决方案并不比我的for loop效率高很多。
在一个文件夹中，我存储了名为file_1.rds，file_2.rds，...，file_500.rds的500 .rds files。
每个文件包含大约200 records和6 variables，它们是一个大data.frame的小块。
mydf <- data.frame()
for (m in 1 : 500) {
temp <- readRDS(paste0("H://myfolder//file_",m, ".rds"))
mydf<- rbind(mydf, temp)
}你有任何关于更有效的方法或如何改进代码的建议吗？
此外，由于我创建了这些500 .rds files，因此我愿意改进write过程，例如将其保存为.csv或任何其他比.rds更高效的格式。
回答 1
Stack Overflow用户
发布于 2018-02-12 08:37:29
我找到了一个使用purrr的解决方案。
问题是有数以千计的.rds文件要读取parallelized，我需要使用loop来并行读取小块。
否则，我会收到一个内存错误，进度就会丢失。
mydf<- readRDS("H://folder//mydf.rds")
#Create a vector of string with the names of all rds files to read
rds <- paste0("H://folder//myrds", 1:3870, ".rds")
#Determine the number of iteration to read the files in chunks by 200 each
n <- ceiling(length(rds) / 200)
m <- 1
library(purrr)
while (m <= n) {
#if the loop is **not** in the last iteration
if(m < n) {
rds_temp <- paste0("H://folder//myrds", (200*(m-1)+1):(200*m), ".rds")
temp <- purrr::map_df(rds_temp, readRDS)
mydf<- rbind(mydf, temp)
#if the loop **is** in the last iteration
} else if(m == n) {
rds_temp <- paste0("H://folder//myrds", (200*(m-1)+1):(length(rds)), ".rds")
temp <- purrr::map_df(rds_temp, readRDS)
mydf<- rbind(mydf, temp)
}
rm(temp)
gc()
print(m)
m <- m + 1
}
saveRDS(mydf, "H://folder//mydf.rds")页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/47902916
复制相关文章
点击加载更多
腾讯云开发者
