r - 从 R 中的 CSV 文件创建镶木地板文件目录

Question

我遇到越来越多的情况，我需要在 R 中使用内存不足 (OOM) 方法进行数据分析。我熟悉其他 OOM 方法，例如sparklyr，DBI但我最近遇到arrow并想进一步探索它。

问题是我通常使用的平面文件足够大，以至于在没有帮助的情况下无法将它们读入 R。因此，理想情况下，我更喜欢一种无需首先将数据集读入 R 即可进行转换的方法。

您能提供的任何帮助将不胜感激！

标签： rcsvimportparquetapache-arrow

Answer 1

arrow::open_dataset()可以处理文件目录并查询它们，而无需将所有内容读入内存。如果您确实想将数据重写到多个文件中，可能由数据中的一列或多列分区，您可以将 Dataset 对象传递给write_dataset().

一个（临时）警告：从 {arrow} 3.0.0 开始，open_dataset()只接受一个目录，而不是单个文件路径。我们计划在下一个版本中接受单个文件路径或离散文件路径列表（请参阅问题），但现在如果您只需要读取包含其他非数据文件的目录中的单个文件，您将需要将其移动/符号链接到一个新目录并打开它。