在R中写出大数据帧作为json的最快方法是什么？

我需要在R中将大数据帧写为 JSON.我正在使用rjson包.下面的方法很慢……

for (i in 1:nrow(df)) {
      write.table(toJSON(df[i,]),"[FILENAME]",row.names=FALSE,col.names=FALSE,quote=FALSE,append=TRUE)
    }

所以我尝试了这个：

write.table(toJSON(df),"FILENAME]",append=TRUE)

由于toJSON()无法处理长度非常长的字符串,因此会出现问题.所以我想一次写出我的数据表块.推荐的方法是什么？如果它涉及split()你能提供一些伪代码吗？

解决方法

这是一个很大的数据集

big = iris[rep(seq_len(nrow(iris)),1000),]

带有toJSON的for循环(df [i,])创建一个表示每行的键值对的平面文件,而toJSON(df)生成列向量;这些是非常不同的.我们的目标是相当于toJSON(df [i,但格式化为单个JSON字符串.

首先将大块放入列表列表lol中,每个内部元素命名(将因子变成一个字符,以免让json进一步混淆),所以lol看起来像list(big [1,],big [2],…)但每个元素都有名称.

big1 <- Map(function(x,nm) setNames(x,rep(nm,length(x))),big,names(big))
big1$Species <- as.character(big1$Species)
lol <- unname(do.call(Map,c(list,big1)))

然后我们使用rjson库和并行库提供的splitIndices(可能是生成拆分的其他方法)将其转换为json向量

chunks <- 10
json <- sapply(splitIndices(length(lol),chunks),function(idx) toJSON(lol[idx]))

我们几乎可以将json块写入文件,但它们并不完全合法 – 除了最后一个字符串应该以“,”结尾,但以“]”结尾,除了第一个之外的所有字符串都应该从零开始,但是而是以“[”开头.

substring(json[-length(json)],nchar(json)[-length(json)]) = ","
substring(json[-1],1,1) = ""

然后准备将这些文件写入文件

fl <- tempfile()
writeLines(json,fl)

结合,当然很多特殊情况下的柱式强制都是未处理的,

library(parallel)  ## just for splitIndices; no parallel processing here...
library(json)
fastJson <- function(df,fl,chunks=10) {
    df1 = Map(function(x,df,names(df))
    df1 <- lapply(df1,function(x) {
        if (is(x,"factor")) as.character(x) else x
    })
    lol = unname(do.call(Map,df1)))

    idx <- splitIndices(length(lol),chunks)
    json <- sapply(idx,function(i) toJSON(lol[i]))
    substring(json[-length(json)],nchar(json)[-length(json)]) <- ","
    substring(json[-1],1) <- ""
    writeLines(json,fl)
}

同

> fastJson(big,tempfile())
> system.time(fastJson(big,fl <- tempfile()))
   user  system elapsed 
  2.340   0.008   2.352 
 > system(sprintf("wc %s",fl))
     10      10 14458011 /tmp/RtmpjLEh5h/file3fa75d00a57c

相比之下,只需将子设置为大(无需解析为JSON或写入文件)需要很长时间：

> system.time(for (i in seq_len(nrow(big))) big[i,])
   user  system elapsed 
 57.632   0.088  57.835

打开此文件以追加,每行一次,与子设置相比不会花费太多时间

> system.time(for (i in seq_len(nrow(big))) { con <- file(fl,"a"); close(con) })
   user  system elapsed 
  2.320   0.580   2.919

原文地址：https://www.jb51.cc/js/150662.html