2

Hola muy buenas a todos

Me gustaría saber si existe alguna manera de leer solo las variables que yo especifique desde un RData que contiene un df

A modo de ejemplo, en data.table cargo así las bases y es mas rapido:

data.table::fread(df,select("v1,v2,...))

Ya que actualmente mi RData es muy pesado y solo necesito un subset de este mismo

Actualmente uso la funcion load() de R base para cargar Rdata

Encontré una libreria que se llama saves y permite cargar y guardar archivos "RDatas"

loads(file = NULL, variables = NULL, to.data.frame = FALSE,
  ultra.fast = FALSE)
saves(..., list = character(), file = NULL, overwrite = FALSE,
  ultra.fast = FALSE)

Destaco "Rdatas" porque el formato es distinto a RData, que por lo que revise es otro formato y funciona, pero aun así, sigo con la duda si se puede hacer esto del mismo archivo RData y no tener que estar guardando y leyendo los archivos con este nuevo formato.

1 respuesta 1

0

No, desde R base, que yo sepa no hay forma directa de cargar solo algunas de las columnas o variables de un data.frame serializado en un RData, lamentablemente debes cargarlo todo y eventualmente eliminar las filas que no te interesan, por ejemplo así:

save(mtcars, file="mtcars.Rda")

load_cols_from <- function(file, cols) {
  x <- load(file)
  get(x)[, cols]
}

mtcars2 <- load_cols_from("mtcars.Rda", c("mpg", "cyl"))
head(mtcars2)

                   mpg cyl
Mazda RX4         21.0   6
Mazda RX4 Wag     21.0   6
Datsun 710        22.8   4
Hornet 4 Drive    21.4   6
Hornet Sportabout 18.7   8
Valiant           18.1   6

Alternativas:

  • Leer el objeto completo y eliminar las columnas innecesarias (el ejemplo que te dí)
  • Serializar los datos en un archivo CSV o similar y leer solo las columnas de interés
  • Usar sqlite y cargar las columnas mediante un select mpg, cyl from mtcars
  • Usar el paquete que mencionaste (saves) que según se lee en la documentación es mejor alternativa a todas las que hasta ahora enumeramos

Bueno, en realidad, hay también una forma un poco estrambótica pero que conceptualmente funcionaría, que es salvar las columnas en archivos separados y luego unir solo aquellas que necesitemos:

save_splited_df <- function(df, file) {
  
  for (c in colnames(df)) {
    file_col <- paste0(file, ".", c, ".Rds")
    saveRDS(df[,c], file_col)
  }
}

load_splited_df <- function(file, cols) {
  lista <- list()
  for (c in cols) {
    file_col <- paste0(file, ".", c, ".Rds")
    lista[[c]] <- readRDS(file_col)
  }
  do.call(cbind, lista)
}

save_splited_df(mtcars, "mtcars")
load_splited_df("mtcars", c("hp", "cyl", "mpg"))

Nota: pareciera que este es el concepto que usa el paquete saves

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.