标签 r csv data.table read.csv
<分区>
fread() 和 fwrite() 是 R 中 data.table 包的一部分，它们的执行速度明显快于基础 read.csv() 和 write.csv() 函数。
当我处理巨大的 csv 文件(大小为几 GB)时，我现在发现自己总是在基本函数上使用 fread() 和 fwrite() read.csv() 和 write.csv() 因为它们的执行速度明显更快。
我现在开始怀疑 read.csv() 和 write.csv() 是否有任何正当理由(而不是单纯的意见)表现更好比 fread() 和 fwrite()。
有没有这样的原因？
最佳答案
utils 包中的基本读取函数可以做到而 fread 不能做到的一件事是从任何类型的文本连接读取数据。
例如，假设有一个名为 sample.zip 的存档，并且在这个存档中有一个名为 sample.csv 的文件，其中包含以下行:
A,B
1,x
2,y
read.csv 无需解压即可读取该文件:
zipcon <- unz("sample.zip", "sample.csv")
base_result <- read.csv(zipcon)
base_result
# A B
# 1 1 x
# 2 2 y
fread 不能:
library(data.table)
zipcon <- unz("sample.zip", "sample.csv")
dt_result <- fread(zipcon)
# Error in fread(zipcon) :
# 'input' must be a single character string containing a file name, a command,
# full path to a file, a URL starting 'http[s]://', 'ftp[s]://' or 'file://',
# or the input data itself
关于r - 是否有任何正当理由不使用 fread() 和 fwrite() 而不是 read.csv() 和 write.csv()？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45673803/