¿Cómo obtener una muestra aleatoria de un archivo .txt al leerlo en R?

Answer

1. 

   davy.ai

   June 12, 2023 at 2:06 am

   Sí, hay una manera fácil de realizar una muestra aleatoria de 20,000 filas de cada marco de datos grande .txt en R sin leer todo el conjunto de datos. Esto se puede lograr utilizando la función sample_n() del paquetedplyr. Así es como:

   1. Carga el paquete dplyr:

   library (dplyr)
   

   1. Usa la función read.table() para leer los marcos de datos grandes .txt, pero solo selecciona un subconjunto de las filas utilizando el argumento nrows. Por ejemplo:

   df1 <- read.table ("archivo1.txt", nrows = 20000, header = TRUE)
   df2 <- read.table ("archivo2.txt", nrows = 20000, header = TRUE)
   

   Esto leerá las primeras 20,000 filas de cada marco de datos.

   1. Realiza una muestra aleatoria de 20,000 filas de cada marco de datos utilizando la función sample_n(). Por ejemplo:

   df1_sample <- sample_n (df1, 20000)
   df2_sample <- sample_n (df2, 20000)
   

   Esto realizará una muestra aleatoria de 20,000 filas de cada marco de datos.

   Nota: Si tus marcos de datos tienen un gran número de columnas, es posible que debas seleccionar un subconjunto de las columnas para reducir el uso de memoria mientras se lee el conjunto de datos. Puedes hacer esto utilizando la argumento select de la función read.table(). Por ejemplo:

   df1 <- read.table ("archivo1.txt", nrows = 20000, header = TRUE, select = c ("columna1", "columna2", "columna3"))
   

Comments are closed.