r - 如何在 R 中使用 disk.frame 计算唯一实体?
问题描述
我想将数据框转换为磁盘框,然后计算第一列。当我尝试它时,它不计算列的唯一值的数量。它似乎在计算工人的数量。
library(disk.frame)
options(future.globals.maxSize = Inf)
setup_disk.frame(workers = 8)
这是一个示例数据集
bigint <- sample(123901239804:901283455390, 3*10^5)
df <- data.frame(bigint)
df %>%
summarize(ints = length(unique(bigint)))
df %>%
as.disk.frame %>%
summarize(ints = length(bigint)) %>%
collect
在第一个查询中,它让我得到这个输出
ints
1 300000
在第二个查询中,它得到了我这个输出
ints
1 8
解决方案
{disk.frame} 只支持一些分组功能。您可以使用dplyr::n_distinct
df %>%
as.disk.frame %>%
summarize(ints = n_distinct(bigint)) %>%
collect
产生
ints
1 300000
在此处查看支持的分组动词列表https://diskframe.com/articles/10-group-by.html#list-of-supported-group-by-functions
您可以按照本指南定义更多自定义的分组动词
https://diskframe.com/articles/11-custom-group-by.html
由于disk.frame的分块性质,某些group-by动词不可能以精确的方式完成(并且必须依赖估计)。但这适用于所有“大”数据系统。
推荐阅读
- laravel - 来自 laravel 的响应未在 vue js 中正确记录
- python - 当我将一个数组复制到另一个数组时,为什么两个数组都被修改了?
- wordpress - 如何防止灵活的内容字段仅呈现最后一项?
- pandas - 按 ID 和日期聚合特定变量中具有相同值的行 - Pandas
- r - 合并后更改列名后缀
- timer - AVR 中使用的赫兹
- reactjs - 如何在按钮内启用关闭图标(React Icons)
- jakarta-ee - 在 Netbeans 11.1 上运行 start.microprofile.io 演示
- python - 要将对象保存在文件中而不使用二进制序列化,Python 3.7.1
- python-3.x - 求不等式所有解的优化方法