考虑一个 Mongo 数据库,其中每个条目都具有以下数据结构。
{
"_id" : ObjectId("numbersandletters"),
"hello" : 0,
"this" : "AUTO",
"is" : "34.324.25.53",
"an" : "7046934",
"example" : 0,
"data" : {
"google" : "SEARCH",
"wikipedia" : "Placeholder",
"twitch" : "2016",
"twitter" : "More_placeholder",
"facebook" : "Run out of ideas",
"stackoverflow" : "is great",
},
"schema" : "",
"that" : "",
"illustrates" : 0,
"the_point" : "/somethinghere.html",
"timestamp" : ISODate("2016-03-05T04:53:20.000Z")
}
上述数据结构是单个数据观察的示例。数据库中有大约 1200 万个观测值。数据结构中的字段“this”可以采用“AUTO”或“MANUAL”的属性。
我目前正在使用 rmongodb 库将 Mongo 中的一些数据导入 R,然后将结果列表转换为数据框。
R代码如下:
library(rmongodb)
m <- mongo.create(host = "localhost", db = "example")
rawData <- mongo.find.all(m, "example.request", query = list(this = "AUTO"),
fields = list(hello = 1L, is = 1L, an = 1L, data.facebook = 1L, the_point = 1L))
rawData <- data.frame(matrix(unlist(rawData), nrow = length(rawData), byrow = TRUE))
上面的代码适用于相对较小的数据集(例如,< 100 万个观察值),但对于 1200 万个数据集来说很慢。
是否有更智能(因此更快)的方式从 Mongo 导入数据,然后将生成的数据投影到 R 数据框中?
干杯。