将具有不同向量长度(压缩行存储)的列表转换为R中的sparseMatrix
我使用MariaDB表来存储我的稀疏数据。 当我将其导入R时,我得到以下将具有不同向量长度(压缩行存储)的列表转换为R中的sparseMatrix,r,sparse-matrix,reshape,R,Sparse Matrix,Reshape,我使用MariaDB表来存储我的稀疏数据。 当我将其导入R时,我得到以下db\u帧数据帧: db_frame <- dbGetQuery(mydb, "SELECT uid, column_json(groups) FROM matrix") db_frame uid column_json(groups) 1 8 {"33755311":1,"58534882":1} 2 9
db\u帧
数据帧:
db_frame <- dbGetQuery(mydb, "SELECT uid, column_json(groups) FROM matrix")
db_frame
uid column_json(groups)
1 8 {"33755311":1,"58534882":1}
2 9 {"75338985":1}
3 15 {"5445504":1,"58534882":1}
4 16 {"14897324":1,"22522055":1,"68471405":1}
5 20 {"22522055":1,"48940689":1}
我用两种方法来做这件事,但在我看来,这两种方法都非常低效。
在现实生活中,变量(列)的数量约为2-3K,观察值(行)的数量约为100万。因此,我的两种方法都需要很长的时间来完成这项工作(天)
有没有其他更优雅的方式来进行这种转换?
提前谢谢你
UPD:有指向两个R格式数据帧的链接:
核心i3 2.93 Ghz 变量和观察值名称列表:
groups <- sort(unique(unlist(var_list_names)))
groups
[1] "14897324" "22522055" "33755311" "48940689" "5445504" "58534882" "68471405" "75338985"
uids <- db_frame$uid
uids
[1] "8" "9" "15" "16" "20"
groups我认为这会起作用,但由于我没有测试数据,不确定它的效率如何
library(data.table)
library(magrittr)
split(df, seq(nrow(df))) %>%
lapply(function(x) {
dt <- data.table(t(unlist(fromJSON(x$column_json))))
dt[, id := x$uid]
}) %>%
rbindlist(fill = TRUE)
库(data.table)
图书馆(magrittr)
拆分(df,seq(nrow(df)))%>%
lappy(函数(x){
dt%
rbindlist(fill=TRUE)
感谢您让我从data.table
软件包中找到rbindlist
函数。
我稍微简化了他的代码,并添加了稀疏格式的转换。
测试10K观测的转换时间令人印象深刻6秒
--------------方法4使用“rbindlist”
库(RMySQL)
图书馆(矩阵)
图书馆(rjson)
库(数据表)
图书馆(magrittr)
df谢谢!关闭,但不完全是必需的。我已经上传了源数据帧。您可以自己检查结果。还有其他问题-如何将其转换为稀疏格式?最好是在开始时,因为占用大量内存。您还可以在比较表中检查代码效率。(参见UPD2)很高兴我提供了帮助(尽管这不是你真正需要的):)
library("rjson")
var_list <- lapply(db_frame[,-1],fromJSON)
var_list_names <- lapply(var_list,names)
var_list_names
[[1]]
[1] "33755311" "58534882"
[[2]]
[1] "75338985"
[[3]]
[1] "5445504" "58534882"
[[4]]
[1] "14897324" "22522055" "68471405"
[[5]]
[1] "22522055" "48940689"
groups <- sort(unique(unlist(var_list_names)))
groups
[1] "14897324" "22522055" "33755311" "48940689" "5445504" "58534882" "68471405" "75338985"
uids <- db_frame$uid
uids
[1] "8" "9" "15" "16" "20"
row_number = length(uids)
col_number = length(groups)
# creating empty sparse matrix M1
M1 <- sparseMatrix(dims = c(row_number,col_number), i={}, j={}, x=1)
rownames(M1) <- uids
colnames(M1) <- groups
# filling M1
for (i in 1:row_number) {
M1[i,var_list_names[[i]]] <-1
}
M1
library("reshape2")
long <- melt(var_list)
long
value L2 L1
1 1 33755311 1
2 1 58534882 1
3 1 75338985 2
4 1 5445504 3
5 1 58534882 3
6 1 14897324 4
7 1 22522055 4
8 1 68471405 4
9 1 22522055 5
10 1 48940689 5
i=long$L1
j=match(long[,"L2"],groups)
M2 <-sparseMatrix(i=i, j=j, x=1)
rownames(M2) <- uids
colnames(M2) <- groups
M2
library(data.table)
library(magrittr)
split(df, seq(nrow(df))) %>%
lapply(function(x) {
dt <- data.table(t(unlist(fromJSON(x$column_json))))
dt[, id := x$uid]
}) %>%
rbindlist(fill = TRUE)
library(RMySQL)
library(Matrix)
library(rjson)
library(data.table)
library(magrittr)
df <- dbGetQuery(mydb, "SELECT uid, column_json(groups) FROM matrix")
# "rbindlist" does all the work
M3 <- lapply(df[,-1],fromJSON) %>% rbindlist(fill=TRUE)
# replace NA with 0 (required for sparsematrix type)
M3[is.na(M3)] <- 0
# converting to sparsematrix type
M3 <- as(as.matrix(M3), "sparseMatrix")
# make some order :)
M3 <- M3[, order(as.integer(colnames(M3)))]
row.names(M3) <- df$uid