Cara Menyimpan & Memuatkan Fail RDS Dalam R

R ialah bahasa pengaturcaraan yang popular untuk analisis data, dan ia sering digunakan untuk mencipta dan memanipulasi objek data. Fail RDS (R Data Serialization) ialah format biasa untuk menyimpan objek R dalam RStudio dan ia membenarkan anda mengekalkan keadaan objek antara sesi R. Menyimpan objek R anda sebagai fail RDS dalam R boleh berguna untuk berkongsi kerja anda dengan orang lain, mereplikasi analisis anda atau hanya menyimpan kerja anda untuk kegunaan kemudian.

Dalam tutorial ini, anda akan belajar cara menyimpan dan memuatkan objek daripada fail RDS dalam R. Blog ini juga akan membincangkan cara mengimport objek daripada R ke LuckyTemplates .

Kami akan merangkumi asas menyimpan dan memuatkan fail RDS dalam R. Kami akan menerangkan apa itu fail RDS dan cara ia berfungsi, dan kami akan membimbing anda melalui proses menyimpan objek R sebagai fail RDS, dan kemudian memuatkan semula fail tersebut ke dalam R. Kami juga akan menyediakan beberapa petua dan kiat untuk membantu anda bekerja dengan fail RDS dengan lebih cekap.

Isi kandungan

• Menyediakan Fail
• Menyimpan Fail RDS Dalam R
• Buka Objek Dalam LuckyTemplates Menggunakan Fail RDS Dalam R
• Kesimpulan

Menyediakan Fail

Untuk demonstrasi ini, kami akan menggunakan pakej Lahman yang mengandungi data besbol. Kami juga akan menggunakan pakej tidyverse untuk analisis asas.

Pakej Lahman mengandungi set data yang dipanggil Gaji. Matlamatnya adalah untuk mencipta jadual yang mengandungi maklumat tentang tahun, nama pemain, dan gaji individu serta terkumpul mereka.

Mula-mula, mari kita tetapkan set data Gaji kepada pendapatan. Kemudian, tapis maklumat yang tidak diperlukan daripada set data menggunakan fungsi pilih ( ) . Seterusnya, susun data dengan menyusunnya mengikut playerID dan yearID. Data selanjutnya dikumpulkan mengikut playerID.

Operator paip , dilambangkan dengan %>% , digunakan untuk menyuapkan hasil operasi ke dalam operasi seterusnya di bawahnya.

Untuk membuat lajur baharu yang mengandungi gaji terkumpul pemain, kita perlu menggunakan fungsi mutasi ( ) bersama dengan fungsi cumsum ( ) . Apabila anda menjalankan kod tersebut, anda akan mendapat jadual dengan maklumat tentang tahun, pemain, gaji dan gaji terkumpul.

Walau bagaimanapun, sukar untuk mengenal pasti pemain berdasarkan nombor ID sahaja. Kita perlu menambah lajur yang menunjukkan nama pemain. Lakukan ini dengan menggunakan fungsi pilih ( ) . Dalam kod di bawah, fungsi left_join ( ) digunakan untuk menggabungkan dua jadual bersama-sama.

Untuk melihat jadual baharu, jalankan objek. Fungsi kepala ( ) digunakan untuk mengembalikan baris pertama dalam jadual.

Jika anda ingin menyemak ketepatan keputusan, anda boleh menggunakan pengendali kesamaan yang dilambangkan dengan dua tanda yang sama ( == ).

Menyimpan Fail RDS Dalam R

Menyimpan objek sebagai fail RDS dalam R membolehkan anda mengusahakannya kemudian, tidak seperti fail dengan sambungan CSV.

Untuk menyimpan fail dengan sambungan RDS, gunakan fungsi write_rds ( ) . Anda boleh melihat bahawa ia adalah milik pakej pembaca dalam Lahman.

Dalam hujah, tulis nama objek R dan lokasi di mana anda ingin menyimpan fail.

Jika anda membuka sesi RStudio baharu, anda boleh melihat objek sekali lagi menggunakan fungsi read_rds ( ) .

Buka Objek Dalam LuckyTemplates Menggunakan Fail RDS Dalam R

Untuk membuka objek dengan sambungan RDS dalam LuckyTemplates, klik pilihan Dapatkan Data di bawah tab Laman Utama dan pilih Lagi .

Dalam wizard Dapatkan Data , pilih Skrip R dan kemudian klik Sambung .

Dalam kotak teks, tulis pakej perpustakaan bersama baris kod yang sama yang digunakan untuk membuka fail RDS dalam RStudio. Kemudian, klik OK .

Setelah fail dimuatkan, anda boleh membukanya dalam Power Query dan membuat perubahan tambahan. Tetapi adalah disyorkan untuk membersihkan dan menggilap data dan jadual dalam RStudio sebelum mengimport fail ke LuckyTemplates.

Kesimpulan

Fail RDS ialah cara yang mudah dan cekap untuk menyimpan dan berkongsi objek R seperti bingkai data, model dan senarai. Ia boleh dibaca dan ditulis dengan mudah, dan ia merupakan alternatif yang hebat kepada format fail lain seperti CSV atau Excel.

Selain itu, fail RDS mengekalkan integriti dan struktur objek R, menjadikannya sesuai untuk analisis data dan projek pemodelan. Ia adalah alat penting untuk mana-mana pengguna R dan boleh memudahkan proses bekerja dengan data dalam R.

Semua yang terbaik,

George Mount