<分区>
由于数据量很大(10GB),我不得不使用我们单位的服务器运行它(以避免内存问题)。我只能在我的平台是Linux的情况下使用服务器。对于我们如何在 Linux 平台下运行此代码的任何想法,我都很感激。
dir1 <- list.files("D:sdr", "*.bin", full.names = TRUE)
dir2 <- list.files("D:dsa", "*.img", full.names = TRUE)
file_tot<-array(dim=c(1440,720,664,2))
for(i in 1:length(dir1)){
file_tot[,,i,2] <- file_tot[,,i,2]*0.000030518594759971
file_tot[,,i,2][file_tot[,,i,2] == 9999 ] <- NA
}
})
多年来,我们中的许多人一直在为 Windows 和 Linux(以及 OS X ...)编写代码。构建自己的小辅助函数
isLinux <- function() unname(Sys.info()["sysname"]) == "Linux"
对于 Windows 也是如此。然后以编程方式构建您的路径:
ourRootDir <- function() ifelse( isLinux(), "/opt/data/someThing", "D:/data")
通过
datapath <- file.path( ourRootDir(), "project", "some", "where")
之后所有实际分析命令很可能无需更改即可移植。
在4200+个CRAN包中,极少数不是所有平台都存在。
此外,通过 save()
在一个系统上写入的数据可以加载到另一个系统,而且由于这是一种压缩的二进制格式,您还可以节省很多时间.