R Users > HOME > R中文主页 > R中文教程 > R数据的导入与导出 > 正文

2.4 直接使用 scan 函数

Keywords:

Next: ,Previous: Data Interchange Format (DIF),Up: Spreadsheet-like data

2.4 直接使用 scan 函数

read.table 和 read.fwf 都是先用 scan 读文件，然后处理 scan 的结果。它们非常便利，但有时直接使用 scan 效果会比较好。

函数 scan 有很多参数。大多数参数在函数 read.table 里面也存在。其中最为关键的参数是 what，它是用来指定从文件中读出的变量的模式（mode）的列表。如果该列表已经被命名，它的名字会被用作返回列表的分量。模式可以是数值，字符或复数，并且常常用例子来指定，比如0，"" 或 0i。例如，

     cat("2 3 5 7", "11 13 17 19", file="ex.dat", sep="\n")

     scan(file="ex.dat", what=list(x=0, y="", z=0), flush=TRUE)

返回一个有三个分量的列表并且丢弃文件中的第四列。

还有一个非常有用的函数readLines。如果你想把所有行读入 R 然后进一步处理，可以用这个便利的函数。

scan 的一个最普遍的应用是读入大的矩阵。假定文件matrix.dat 只是包括一个 200 x 2000的矩阵1，那么我们可用

     A <- matrix(scan("matrix.dat", n = 200*2000), 200, 2000, byrow = TRUE)

在一个测试里面，这花费了1秒钟（在Linux系统测试的，同样电脑上在Windows系统下则需要3秒钟），而

     A <- as.matrix(read.table("matrix.dat"))

花费了10秒钟（和更多的内存），另外，

     A <- as.matrix(read.table("matrix.dat", header = FALSE, nrows = 200,

                               comment.char = "", colClasses = "numeric"))

花费了7秒钟。造成这种差别的原因差不多完全由于读2000分开的短列的时间开支所致：如果它们的长度是2000，scan花费9秒，而read.table 在比较高效地使用情况（特别是设定colClasses）下需要18秒；但缺乏技巧地使用read.table时则需要125秒！

注意，时限测试依赖于读的类型和数据本事。下面是一个读取一百万个不同整数的例子：

     writeLines(as.character((1+1e6):2e6), "ints.dat")

     xi <- scan("ints.dat", what=integer(0), n=1e6)   # 0.77s

     xn <- scan("ints.dat", what=numeric(0), n=1e6)   # 0.93s

     xc <- scan("ints.dat", what=character(0), n=1e6) # 0.85s

     xf <- as.factor(xc)                              # 2.2s

     DF <- read.table("ints.dat")                     # 4.5s

以及一百万个小集合代码的例子：

     code <- c("LMH", "SJC", "CHCH", "SPC", "SOM")

     writeLines(sample(code, 1e6, replace=TRUE), "code.dat")

     y <- scan("code.dat", what=character(0), n=1e6)  # 0.44s

     yf <- as.factor(y)                               # 0.21s

     DF <- read.table("code.dat")                     # 4.9s

     DF <- read.table("code.dat", nrows=1e6)          # 3.6s

注意，这些时限测试严重依赖操作系统（Windows下面的基本读取所花的时间至少是Linux系统下面的两倍）和垃圾收集器的精度。

Footnotes

[1] 译者注：可以利用命令生成随机矩阵，

     write.table(matrix(rnorm(200*2000), 200), "matrix.dat", row.names=F, col.names=F)

Hits:Loading...

special topic