R 大合并/内存管理

我在尝试合并一个大文件和一个小文件时遇到了麻烦。我有其他关于R中内存管理的帖子，但还没有找到一种非极端（go 64位、上传到集群等）的解决方法。我尝试过使用bigmemory软件包，但没有找到解决方案。在我沮丧地举手之前，我想我应该试试这里

我正在运行的代码如下所示：

#rm(list=ls())
localtempdir<- "F:/Temp/"
memory.limit(size=4095)
[1] 4095
    memory.size(max=TRUE)
[1] 487.56
gc()
         used (Mb) gc trigger  (Mb) max used  (Mb)
Ncells 170485  4.6     350000   9.4   350000   9.4
Vcells 102975  0.8   52633376 401.6 62529185 477.1

client_daily<-read.csv(paste(localtempdir,"client_daily.csv",sep=""),header=TRUE)
object.size(client_daily)
>130MB

sbp_demos<-read.csv(paste(localtempdir,"sbp_demos",sep=""))
object.size(demos)
>0.16MB
client_daily<-merge(client_daily,sbp_demos,by.x="OBID",by.y="OBID",all.x=TRUE)
Error: cannot allocate vector of size 5.0 MB

#rm（list=ls（））
localtempdir正如Chase已经提到的那样，您可以尝试，也可以尝试

无论是哪一种，如果您适当地设置索引，您都可能从中获得更多的乐趣

使用data.table，您将：

dt1 <- data.table(sbp_demos, key='OBID')
dt2 <- data.table(client_daily, key='OBID')

## Do an INNER JOIN-like operation, where non-matching rows are removed
mi <- dt1[dt2, nomatch=0]

## Do a RIGHT JOIN(?)-like operation ... all rows in dt2 will be returned.
## If there is no matching row in dt1, the values in the dt1 columns for
## the merged row will be NA
mr <- dt1[dt2]

dt1您看过
data.table
package了吗？对于大型合并来说，它速度很快，而且巧合的是，启动时可能会更节省内存？这可能不会解决您的问题，但下面是一些您可以尝试的方法。如果两个数据集中都有不需要的列：在中读取数据后将其删除，执行gc（），然后重试合并。另一个想法是，如果可能的话，将数据转换成矩阵，因为它们往往占用更少的内存。