r - 在 R 中使用 ffdfdply 函数进行聚合

Question

ffdfdply我尝试使用 R 中的函数使用 'ffbase' 包对大型数据集进行聚合。
假设我有三个变量，称为 Date、Item 和 sales。在这里，我想使用 sum 函数汇总 Date 和 Item 的销售额。您能否指导我了解 R 中的一些正确语法。
我在这里尝试过这样的操作：

grp_qty <- ffdfdply(x=data[c("sales","Date","Item")], split=as.character(data$sales),FUN = function(data)  

summaryBy(Date+Item~sales, data=data, FUN=sum)).

我会很感激你的解决方案。

Answer 1

标记 ffdfdply 是 ffbase 的一部分，而不是 ff。为了展示 ffdfdply 的用法示例，让我们生成一个ffdf50Mio 行。

  require(ffbase)
  data <- expand.ffgrid(Date = ff(seq.Date(Sys.Date(), Sys.Date()+10000, by = "day")), Item = ff(factor(paste("Item", 1:5000))))
  data$sales <- ffrandom(n = nrow(data))
  # split by date -> assuming that all sales of 1 date can fit into RAM
  splitby <- as.character(data$Date, by = 250000)
  grp_qty <- ffdfdply(x=data[c("sales","Date","Item")], 
                      split=splitby, 
                      FUN = function(data){
                        ## This happens in RAM - containing **several** split elements so here we can use data.table which works fine for in RAM computing
                        require(data.table)
                        data <- as.data.table(data)
                        result <- data[, list(sales = sum(sales, na.rm=TRUE)), by = list(Date, Item)]
                        as.data.frame(result)
                      })
  dim(grp_qty)

标记 grp_qty 是一个ffdf驻留在磁盘上的。