Як зберегти та завантажити файл RDS у R

R — популярна мова програмування для аналізу даних, яка часто використовується для створення об’єктів даних і керування ними. Файли RDS (серіалізація даних R) є поширеним форматом для збереження в RStudio, і вони дозволяють зберігати стан об’єкта між сеансами R. Збереження вашого об’єкта R як файлу RDS у R може бути корисним для обміну вашою роботою з іншими, повторення вашого аналізу або просто збереження вашої роботи для подальшого використання.

У цьому підручнику ви дізнаєтесь, як зберігати та завантажувати об’єкти з файлу RDS у R. У цьому блозі також розповідатиметься про те, як імпортувати об’єкти з .

Ми розглянемо основи збереження та завантаження файлів RDS у R. Ми пояснимо, що таке файли RDS і як вони працюють, а також проведемо вас через процес збереження об’єкта R як файлу RDS, а потім завантаження цього файлу назад у R. Ми також надамо кілька порад і підказок, які допоможуть вам ефективніше працювати з файлами RDS.

Зміст

• Підготовка файлу
• Збереження файлу RDS у R
• Відкрийте об’єкт у LuckyTemplates за допомогою файлу RDS у R
• Висновок

Підготовка файлу

Для цієї демонстрації ми будемо використовувати який містить бейсбольні дані. Ми також будемо використовувати пакет tidyverse для базового аналізу.

Пакет Lahman містить набір даних «Зарплати». Мета полягає в тому, щоб створити таблицю з інформацією про рік, ім’я гравця, його індивідуальні та сукупні зарплати.

По-перше, давайте призначимо набір даних Salaries прибуткам. Потім відфільтруйте непотрібну інформацію з набору даних за допомогою функції select ( ) . Далі впорядкуйте дані, упорядкувавши їх відповідно до playerID і yearID. Далі групуються відповідно до playerID.

, позначений %>% , використовується для передачі результатів операції в наступну операцію під нею.

Щоб створити новий стовпець із сукупними зарплатами гравців, нам потрібно використати функцію mutate ( ) разом із функцією cumsum ( ) . Коли ви запустите код, ви отримаєте таблицю з інформацією про рік, гравця, зарплату та сукупну зарплату.

Однак важко ідентифікувати гравців лише за ідентифікаційним номером. Нам потрібно додати стовпці з іменем гравця. Зробіть це за допомогою функції вибору ( ) . У коді нижче функція left_join () використовується для об’єднання двох таблиць.

Щоб переглянути нову таблицю, запустіть об’єкт. Функція head ( ) використовується для повернення перших рядків у таблиці.

Якщо ви хочете перевірити точність результату, ви можете використовувати оператор рівності , який позначається двома знаками рівності ( == ).

Збереження файлу RDS у R

Збереження об’єкта як файлу RDS у R дозволяє вам працювати з ним пізніше, на відміну від файлу з розширенням CSV.

Щоб зберегти файл із розширенням RDS, скористайтеся функцією write_rds ( ) . Ви бачите, що він належить до пакету readr у Lahman.

В аргументі напишіть ім’я об’єкта R і місце, де ви хочете зберегти файл.

Якщо ви відкриєте новий сеанс RStudio, ви зможете знову переглянути об’єкт за допомогою функції read_rds () .

Відкрийте об’єкт у LuckyTemplates за допомогою файлу RDS у R

Щоб відкрити об’єкт із розширенням RDS у LuckyTemplates, натисніть опцію «Отримати дані» на вкладці «Домашня сторінка» та виберіть « Більше» .

У майстрі отримання даних виберіть R Script , а потім клацніть Connect .

У текстовому полі введіть пакет бібліотеки разом із тим самим рядком коду, який використовується для відкриття файлу RDS у RStudio. Потім натисніть OK .

Після завантаження файлу ви можете відкрити його та внести додаткові зміни. Але рекомендується очистити та відшліфувати дані та таблицю в RStudio перед імпортом файлу в LuckyTemplates.

Висновок

Файл RDS — це зручний і ефективний спосіб збереження та спільного використання об’єктів R, таких як кадри даних, моделі та списки. Їх можна легко читати та писати, і вони є чудовою альтернативою іншим форматам файлів, таким як CSV або Excel.

Крім того, файли RDS зберігають цілісність і структуру об’єктів R, що робить їх ідеальними для аналізу даних і проектів моделювання. Вони є важливим інструментом для будь-якого користувача R і можуть значно спростити процес роботи з даними в R.

Все найкраще,

Джордж Маунт