使用sqldf将巨大的csv文件读入R中,但是sqlite文件需要两倍的空间,需要“吸尘”

阅读,我发现读取大于内存的csv文件的最佳方法是使用包sqldf中的read.csv.sql.该函数将数据直接读入sqlite数据库,从而执行sql语句.

我注意到以下内容：似乎读入sqlite的数据存储在一个临时表中,因此为了使其可供以后使用,需要在sql语句中这样询问.

作为示例,以下代码将一些示例数据读入sqlite：

# generate sample data
sample_data <- data.frame(col1 = sample(letters,100000,TRUE),col2 = rnorm(100000))
# save as csv
write.csv(sample_data,"sample_data.csv",row.names = falSE)
# create a sample sqlite database
library(sqldf)
sqldf("attach sample_db as new") 
# read the csv into the database and create a table with its content
read.csv.sql("sample_data.csv",sql = "create table data as SELEct * from file",dbname = "sample_db",header = T,row.names = F,sep = ",")

然后可以使用sqldf(“SELEct * from data limit 5”,dbname =“sample_db”)访问数据.

问题如下：sqlite文件占用的空间是它应该的两倍.我的猜测是它包含两次数据：一次用于临时读取,一次用于存储的表.可以使用sqldf(“VACUUM”,“dbname =”sample_db“)清理数据库.这将回收空白空间,但需要很长时间,特别是当文件很大时.

有没有更好的解决方案,第一次不创建这种数据重复？

library(RsqlitE)
con <- dbConnect("sqlite",dbname = "sample_db")
# read csv filE into sql database
dbWriteTable(con,name="sample_data",value="sample_data.csv",row.names=falSE,header=TRUE,")