在 R 中读取 .sav 文件的第一列

Question

我想将 .sav 文件读入 R。但是，它太大了 (>11GB)。如果我只能读取部分数据，那应该没问题，但并不理想。那么，有没有办法做到以下任何一项：

只读 header（列名）
仅导入某些列（而不是整个数据集）- 我尝试了 haven 中的函数，但似乎无法使 col_select 参数起作用。
读入整个数据集 - 我知道用于 .csv 文件的工具，但不知道用于 .sav 文件的工具。

感谢您的帮助！

Answer 1

就将整个数据集放入 R 而言，我认为您无法通过块或任何类似的变通方法读取它，并且 entire[=26] 的内存效率更高=] 数据集。但是，有一些简单的方法可以获取内存效率更高的列名和/或特定变量：

获取列名 可以使用 n_max 参数读取空数据框（带有变量和值标签）来完成：

# using n_max = 0 is much more memory efficient bench::mark(read_sav(temp)[0,], read_sav(temp, n_max = 0))[1:9] # A tibble: 2 x 9 expression min median `itr/sec` mem_alloc `gc/sec` n_itr n_gc total_time <bch:expr> <bch:tm> <bch:tm> <dbl> <bch:byt> <dbl> <int> <dbl> <bch:tm> 1 read_sav(temp)[0, ] 1.11s 1.11s 0.902 76.5MB 6.31 1 7 1.11s 2 read_sav(temp, n_max = 0) 5.86ms 6.13ms 154. 97.2KB 1.98 78 1 505.6ms

获取特定的列可以用select-helpers（或索引，或名称等）完成，并且内存效率更高：

bench::mark(read_sav(temp)[c("V1", "V5")], read_sav(temp, col_select = matches("V(1|5)$")))[1:9] # A tibble: 2 x 9 expression min median `itr/sec` mem_alloc `gc/sec` n_itr n_gc total_time <bch:expr> <bch:tm> <bch:tm> <dbl> <bch:byt> <dbl> <int> <dbl> <bch:tm> 1 read_sav(temp)[c("V1", "V5")] 1.06s 1.06s 0.939 76.5MB 5.64 1 6 1.06s 2 read_sav(temp, col_select = matches("V(1|5)$")) 186.45ms 187.89ms 5.32 528.7KB 0 3 0 563.5ms

数据set-up:

test <- as.data.frame(matrix(1:1e7, nrow = 1e4, ncol = 1e3)) temp <- tempfile() write_sav(test, temp) # file.remove(temp)

在 R 中读取 .sav 文件的第一列

Read first column of .sav file in R

r

import

spss

r-haven