R語(yǔ)言中 fread 怎么用？

今天分享的筆記內(nèi)容是數(shù)據(jù)讀取神器fread，速度嘎嘎快。在R語(yǔ)言中，fread函數(shù)是data.table包中的一個(gè)功能強(qiáng)大的數(shù)據(jù)讀取函數(shù)，可以用于快速讀取大型數(shù)據(jù)文件，它比基本的read.table和read.csv函數(shù)更快，尤其在處理大型數(shù)據(jù)集時(shí)效果更為明顯。

使用方法

首先，確保已經(jīng)安裝了data.table包。如果尚未安裝，可以使用以下命令安裝：

install.packages("data.table")

然后，加載data.table包：

library(data.table)

接下來(lái)，使用fread函數(shù)來(lái)讀取數(shù)據(jù)文件。假設(shè)你有一個(gè)名為data.csv的CSV文件，可以使用如下命令：

data?<-?fread("data.csv")

如果你的數(shù)據(jù)文件采用了其他的分隔符，比如制表符或空格，你可以使用sep參數(shù)指定分隔符。

例如，對(duì)于制表符分隔的文件，可以使用如下命令：

data?<-?fread("data.tsv",?sep?=?"\t")

以上就是最常用的使用方法，特別適合大文件讀取，親測(cè)100MB的文件讀取時(shí)一秒左右就完成了，可以用來(lái)替換原來(lái)的read.table和read.csv函數(shù)。

使用技巧

fread函數(shù)的作用是將不同類(lèi)型的輸入數(shù)據(jù)高效地讀取到R數(shù)據(jù)表中，它具有多個(gè)選項(xiàng)和配置，使用戶(hù)能夠無(wú)縫處理各種文件格式和數(shù)據(jù)結(jié)構(gòu)。

接下來(lái)看一下fread函數(shù)的一些關(guān)鍵參數(shù)及其在數(shù)據(jù)處理中的作用。

fread函數(shù)的關(guān)鍵參數(shù)

input：該參數(shù)接受單個(gè)字符字符串，確定輸入數(shù)據(jù)的來(lái)源。它可以是文件、文本數(shù)據(jù)或shell命令。

file：用戶(hù)可以指定要讀取的文件的名稱(chēng)或路徑。該函數(shù)支持各種文件格式，包括具有.gz和.bz2等擴(kuò)展名的壓縮文件。

text：如果數(shù)據(jù)以字符向量的形式存在，用戶(hù)可以直接將文本數(shù)據(jù)輸入函數(shù)進(jìn)行處理。

cmd：該參數(shù)允許用戶(hù)在讀取數(shù)據(jù)之前使用shell命令對(duì)文件進(jìn)行預(yù)處理。

sep：列之間的分隔符，默認(rèn)設(shè)置為"auto"。用戶(hù)可以明確指定分隔符，也可以讓函數(shù)根據(jù)數(shù)據(jù)自動(dòng)確定適當(dāng)?shù)姆指舴?/p>

sep2：類(lèi)似于sep，該參數(shù)表示列之間的次要分隔符，這個(gè)參數(shù)一般不怎么用。

dec：文件中表示小數(shù)點(diǎn)的字符。

nrows：要從輸入中讀取的行數(shù)。

header：邏輯值或整數(shù)，指定文件是否包含標(biāo)題以及其位置。

na.strings：一個(gè)字符字符串，表示數(shù)據(jù)中缺失值的表示方式。

stringsAsFactors：一個(gè)邏輯值，指示是否應(yīng)將字符列轉(zhuǎn)換為因子。

verbose：一個(gè)邏輯值，確定函數(shù)在讀取過(guò)程中是否應(yīng)顯示詳細(xì)輸出。

高級(jí)配置

fread函數(shù)提供高級(jí)配置，如數(shù)據(jù)類(lèi)型規(guī)范（colClasses）、列選擇（select）和編碼設(shè)置（encoding）。它還支持多線程讀取（nThread），以提高多核系統(tǒng)的性能。

為了確保準(zhǔn)確的數(shù)據(jù)處理，使用函數(shù)時(shí)應(yīng)注意數(shù)據(jù)格式、編碼和分隔符設(shè)置。

在實(shí)際使用中，應(yīng)根據(jù)數(shù)據(jù)文件的特點(diǎn)選擇合適的參數(shù)配置。對(duì)于大型數(shù)據(jù)集，應(yīng)注意文件格式、編碼方式和數(shù)據(jù)分隔符的設(shè)置，以確保準(zhǔn)確讀取和處理數(shù)據(jù)。

使用nrows參數(shù)可以控制讀取的行數(shù)，避免讀取整個(gè)大文件造成資源浪費(fèi)。 同時(shí)，注意使用header參數(shù)來(lái)指定文件是否包含標(biāo)題行，以便正確解析數(shù)據(jù)的列名。

為什么fread速度更快？

彩蛋：其實(shí)還有vroom這個(gè)包，讀寫(xiě)速度也挺快的，非常適合機(jī)器學(xué)習(xí)等大數(shù)據(jù)樣品集讀取，功能很強(qiáng)大！

#?read.table()
start?=?Sys.time()
Tx?=?read.table(fileIn,?sep?=?"\t",?header?=?FALSE,?stringsAsFactors?=?FALSE)
end?=?Sys.time()
>?end?-?start
Time?difference?of?29.71594?secs

#?fread()
start?=?Sys.time()
>?Tx?=?fread(fileIn,?sep?=?"\t",?header?=?FALSE,?stringsAsFactors?=?FALSE)
|--------------------------------------------------|
|==================================================|
end?=?Sys.time()
>?end?-?start
Time?difference?of?3.99352?secs

希望本文能夠幫助您深入了解fread函數(shù)的使用，并在實(shí)際應(yīng)用中靈活運(yùn)用，從而提高數(shù)據(jù)處理的效率和準(zhǔn)確性。