99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀R實(shí)現(xiàn)大文本文件數(shù)據(jù)過濾的方法
R實(shí)現(xiàn)大文本文件數(shù)據(jù)過濾的方法
2018-07-09
收藏

R實(shí)現(xiàn)大文本文件數(shù)據(jù)過濾的方法

使用R語言過濾文件數(shù)據(jù)是很普遍的操作，但有時(shí)我們會遇到比較大的文件，這類文件無法全部讀入內(nèi)存處理，需要采用分批讀取、分批過濾、拼合結(jié)果的辦法來解決。下面用一個(gè)例子來說明R實(shí)現(xiàn)大文件數(shù)據(jù)過濾的方法。

有個(gè)1G的文件sales.txt，存儲著大量訂單記錄，請過濾出AMOUNT字段值在2000和3000之間的記錄。該文件的列分割符為“\t”，前幾行數(shù)據(jù)如下：

R語言解決方案

con <- file("E:\\sales.txt", "r")
readLines(con,n=1)
result=read.table(con,nrows=100000,sep="\t")
result<-result[result$V4>=2000 & result$V4<=3000,]
while(length(databatch<-read.table(con,header=FALSE,nrows=100000,sep="\t"))!=0) {
databatch<- databatch [databatch$V4>=2000 & databatch$V4<=3000,]
 result<-rbind(result,databatch)
}
close(con)
部分計(jì)算結(jié)果 

代碼解讀：

1行：打開文件句柄

2行：丟掉第一行，也就是列名。

3-4行：讀入第一批的十萬條數(shù)據(jù)，過濾后存入result。

5-8行：循環(huán)讀數(shù)。每批次讀入十萬行數(shù)據(jù)，過濾后的結(jié)果追加到result變量，然后再讀入下一批次。

9行：關(guān)閉文件句柄。

注意事項(xiàng)：

如果是小文件，則只需一句代碼就能完成讀數(shù)據(jù)的操作，第一行還可以設(shè)置為數(shù)據(jù)框的列名，但大文件不能這么實(shí)現(xiàn)，需要按批次讀取數(shù)據(jù)，第二批的數(shù)據(jù)就無法將第一行設(shè)為列名了，默認(rèn)列名會是V1、V2、V3…….。

為了實(shí)現(xiàn)大文件按批次讀數(shù)據(jù)，必須使用while語句來實(shí)現(xiàn)算法，列名的使用也不夠方便，這就使整個(gè)代碼稍顯復(fù)雜。 

替代方案：

同樣的算法也可以用Python、集算器、Perl等語言來解決本案例。和R語言一樣，這幾種語言都可以實(shí)現(xiàn)文件數(shù)據(jù)的過濾以及結(jié)構(gòu)化數(shù)據(jù)的計(jì)算，下面簡單介紹集算器和Python的解決方案。

集算器會自動分批處理數(shù)據(jù)，程序員無需用循環(huán)語句手工控制，因此代碼非常簡潔：

cursor是集算器中用于結(jié)構(gòu)化數(shù)據(jù)計(jì)算的數(shù)據(jù)類型，和數(shù)據(jù)框的用法差不多，但對大文件和復(fù)雜計(jì)算更擅長。另外，cursor可以用@t選項(xiàng)將文件的第一行讀為列名。 

Python的代碼結(jié)構(gòu)和R差不多，也是手工控制循環(huán)，但python本身缺乏數(shù)據(jù)框或cursor等結(jié)構(gòu)化數(shù)據(jù)類型，因此代碼更底層些：

result = []
myfile = open("E: \\sales.txt",'r')
BUFSIZE = 10240000
myfile.readline()
lines = myfile.readlines(BUFSIZE)
value=0
while lines:
   for line in lines:
       record=line.split('\t')
       AMOUNT=float(record[3])
       if (AMOUNT>=2000 and AMOUNT<=3000):
result.append(record)
   lines = myfile.readlines(BUFSIZE)
myfile.close()

Python也可以用第三方包來實(shí)現(xiàn)上述算法，比如pandas就有類似數(shù)據(jù)框的結(jié)構(gòu)化數(shù)據(jù)對象，但pandas對大文件的支持同樣有限，很難進(jìn)一步簡化代碼。


數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }