读取R中的大型CSV文件，并使用行数将其导出为多个RData文件，并跳过

Question

我正在尝试分批导入和导出大约10百万个观测值的单个10GB CSV文件。 我想大约10可控RDATA文件到底（ data_1.RData ， data_2.Rdata等），但我在做的麻烦skip和nrows动态。 我nrows永远不会改变，因为我需要近1万元左右的数据集，但我想我需要一些方程skip=让每一个它增加循环赶上下一个一个百万行。 另外，因为只有第一行将包含变量名，所以header=T可能会使ii=1以上的内容混乱。 以下是我正在使用的大部分代码：

for (ii in 1:10){
      data <- read.csv("myfolder/file.csv", 
                         row.names=NULL, header=T, sep=",", stringsAsFactors=F,
                         skip=0, nrows=1000000)
      outName <- paste("data",ii,sep="_")
      save(data,file=file.path(outPath,paste(outName,".RData",sep="")))

    }

Answer 1

（未经测试，但...）您可以尝试执行以下操作：

nrows <- 1000000
ind <- c(0, seq(from = nrows, length.out = 10, by = nrows) + 1)
header <- names(read.csv("myfolder/file.csv", header = TRUE, nrows = 1))

for (i in seq_along(ind)) {
  data <- read.csv("myfolder/file.csv", 
                   row.names = NULL, header = FALSE, 
                   sep = ",", stringsAsFactors = FALSE,
                   skip = ind[i], nrows = 1000000)
  names(data) <- header
  outName <- paste("data", ii, sep = "_")
  save(data, file = file.path(outPath, paste(outName, ".RData", sep = "")))
}