從R中主題的子集導入數據

Question

我正在處理一個包含3億行的數據集，分為5個csv文件。 該數據包含5年內用戶的體重測量值（每年一個文件）。 由於計算需要花費大量時間，因此我想與一部分用戶一起創建代碼。 我使用nrows函數僅導入每個文件的前50000行。 但是，一個用戶在2014年的文件中可能有400個體重測量值，而在2015年的文件中只有240個體重測量值。因此，當我使用nrows函數導入時，從每個文件中得到的用戶數都不相同。 我想知道是否有一種方法可以導入每個文件中前1000個用戶的數據？ 所有文件中的數據如下所示：

user_ID                                         date_local    weight_kg
0002a3e897bd47a575a720b84aad6e01632d2069        2016-01-07    99.2         
0002a3e897bd47a575a720b84aad6e01632d2069        2016-02-08    99.6
0002a3e897bd47a575a720b84aad6e01632d2069        2016-02-10    99.5  
000115ff92b4f18452df4a1e5806d4dd771de64c        2016-03-13    99.1     
000115ff92b4f18452df4a1e5806d4dd771de64c        2016-04-20    78.2    
000115ff92b4f18452df4a1e5806d4dd771de64c        2016-05-02    78.3       
000115ff92b4f18452df4a1e5806d4dd771de64c        2016-05-07    78.9       
0002b526e65ecdd01f3a373988e63a44d034c5d4        2016-08-15    82.1       
0002b526e65ecdd01f3a373988e63a44d034c5d4        2016-08-22    82.6     

在此先多謝！

Answer 1

如果您的系統上有grep ，則可以將其與pipe和read.table結合使用，以僅讀取與模式匹配的行。 例如，使用示例數據，您只能讀取這樣的用戶001和002。 您需要稍后再添加標題，因為它們與模式不匹配。

mydata <- read.csv(pipe('grep "^00[12]" "mydata.csv"'), 
                     colClasses = c("character", "Date", "numeric"),
                     header = FALSE)

我不確定您的user_ID的模式是什么：您以001為例，但指出您想要第一個1000。如果是0001-1000，則grep的模式可能類似於^[01][0-9]{3} 。