r - 大合并/内存管理

Question

我在尝试合并一个大文件和一个小文件时碰壁了。我有 read many关于 R 中内存管理的其他帖子，并且无法找到解决它的非极端(转到 64 位，上传到集群等)方法。我已经尝试了一些 bigmemory 包，但无法找到解决方案。在我沮丧地举起双手之前，我想我会在这里尝试。

我正在运行的代码如下所示:

#rm(list=ls())
localtempdir<- "F:/Temp/"
memory.limit(size=4095)
[1] 4095
    memory.size(max=TRUE)
[1] 487.56
gc()
         used (Mb) gc trigger  (Mb) max used  (Mb)
Ncells 170485  4.6     350000   9.4   350000   9.4
Vcells 102975  0.8   52633376 401.6 62529185 477.1

client_daily<-read.csv(paste(localtempdir,"client_daily.csv",sep=""),header=TRUE)
object.size(client_daily)
>130MB

sbp_demos<-read.csv(paste(localtempdir,"sbp_demos",sep=""))
object.size(demos)
>0.16MB
client_daily<-merge(client_daily,sbp_demos,by.x="OBID",by.y="OBID",all.x=TRUE)
Error: cannot allocate vector of size 5.0 MB

我想我在问有没有不涉及购买新硬件的聪明方法来解决这个问题？

我需要能够merge创建一个更大的对象。

然后我需要对那个更大的对象进行回归等。

我应该放弃吗？ bigmemory 应该能够帮助解决这个问题吗？

非常感谢任何指导。

Details: R version 2.13.1 (2011-07-08) Platform: i386-pc-mingw32/i386 (32-bit) Intel 2 Duo Core @2.33GHz, 3.48GB RAM

Answer 1

正如 Chase 已经提到的，你可以试试 data.table或者 sqldf .

对于任何一种情况，如果您适本地设置索引，您可能会从中获得更多 yield 。

使用 data.table 你会:

dt1 <- data.table(sbp_demos, key='OBID')
dt2 <- data.table(client_daily, key='OBID')

## Do an INNER JOIN-like operation, where non-matching rows are removed
mi <- dt1[dt2, nomatch=0]

## Do a RIGHT JOIN(?)-like operation ... all rows in dt2 will be returned.
## If there is no matching row in dt1, the values in the dt1 columns for
## the merged row will be NA
mr <- dt1[dt2]

如果你去 sqldf路线, look at example 4i on its website ...再次确保您正确使用索引。