r - 提高循环内 bind_rows 的速度(3000 个数据帧)

Question

我已经解析了一个非常大的数据库，其中包含超过 500 万条数据行和 40 列。 出于实际原因，结果被分成小的“.Rdata”文件。 我总共有 3000 多个文件，每个文件的大小最大为 1Mb。

我设计了一个快速循环，使用 dplyr 将这些文件组合成一个数据帧，但这非常慢，我相信有更快的方法。

我尝试使用带有预分配的矩阵，但我的数据既是文本又是数字，并且出现错误。 使用基础 R 时，数据帧甚至更慢。

list_files = as.data.frame(list.files(path = "output", pattern = 'Rdata'))
names(list_files) = 'full_name'

list_files = list_files %>% 
    separate(full_name, sep ="_", into = c('col1','col2')) %>% 
        separate(col2, sep = '.R', into = c('col3','col4')) %>%
            mutate(col3 = as.numeric(col3)) %>% 
            arrange(col3) %>%  mutate(col3 = as.character(col3))

datax <- c()

for(i in 1:length(list_files$col3))
    {
        load(paste('output/MyData_',list_files$col3[i],'.Rdata',sep=''))
##here loads results_df2
        datax = datax %>% bind_rows(results_df2)
        if((i %% 100) == 0) { print(i)}
    }

有没有更有效的方法来编写这个循环？

Answer 1

使用 purrr::map 和 purrr::reduce，您可以导入并绑定(bind)它们，而无需使用 for 循环。

library(purrr)
library(dplyr)

# save data frame as rds
# mtcars %>% saveRDS("mtcars1.rds")
# mtcars %>% saveRDS("mtcars2.rds")

# list files
files <- list.files(pattern = "rds")

# read and bind
files %>% map(readRDS) %>% 
                reduce(bind_rows)