R与大局限数据

说起R的弱点，必定会有一条“处理惩罚大局限数据不可”。并且一般都是在和SAS之类的大系统较量时被提起的。这样看来也确实没错，假如数据量太大，哪怕只有一两G的时候，光读成数据框恐怕就要把内存撑爆。假如R只是一个软件系统，这显然是很大的软肋。但问题是R不是一个像SAS之类的软件系统，而是语言可能情况。

　　作为语言，不存在不能处理惩罚大量数据的大概性，拿C来说，直接建设一个2G的数组必定也挂，可是不会有人这样做，因为内存是可以被机动操控的，无论什么样的数据阐明和处理惩罚，只要算法数据布局设计公道，至少也能时间换空间，其实大型的统计软件也是这样做的，只是个中的各类要领被封装好了，看上去同样的模子SAS能算出来而R就会爆内存，这是默认的实现方法差异造成的；作为情况，可以挪用种种的其他东西，本身办理不了的也会有别人资助办理，假如无限扩展，也不会有办理不了的困难。

　　阿飞和荆无命的剑都是钉上软木的薄铁片，要说弱点，又轻又薄并且还没开锋，连纸都劈不开，不要说和龙渊泰阿比，西瓜刀都比它们锋利。不外使它们的是阿飞和荆无命，杀起人来比谁都快。因此论器之道，不应只看初始的成果，而要看其和利用之人团结后的成果。

　　要让R哄骗大局限的数据，较好的步伐就是数据库。所有的数据库城市提供API供外部措施挪用，每个数据库城市有本身奇特的方法，因此一种通用的哄骗干系型数据库的方法是有须要的，当前较量风行的方法是ODBC、JDBC和DBI。

　　ODBC在所有Windows系统中都有，是微软搞出来的（此刻Linux中也有了），Windows下打点东西中直接就带有ODBC的设置，包罗默认的微软所有数据库产物以及Oracle，假如要毗连MySQL可能其他数据库，可以很利便地下载各自的驱动，然后用ODBC的方法挪用。JDBC的成果和ODBC较量像，可是基于Java，可以很是利便地跨平台和跨各类数据库。DBI在Perl中很有影响，R和Perl走得很是近，因此R挪用数据库的主要方法就是DBI。

　　R中有一个DBI的包，根基上是所有数据库毗连的基本，不管是安装RMySQL照旧ROracle，都依赖于这个包。其实DBI相当于通用的挪用方法，每个数据库对应的包相当于各自的驱动，逻辑上好像反了，可是技能上就这么实现。R中较量推荐的方法就是先安装DBI，然后安装所需要的驱动，用来操纵某种数据库。R中也有一个JDBC的包，但不是纯粹的JDBC，也要依赖于DBI，然后基于JAVA跨平台。

　　所有数据库操纵的包中，只有RODBC是独立的不依赖于DBI，Windows下较量管用，装好ODBC驱动后可以很利便地用这个包哄骗数据库。

　　R毗连数据库很是简朴，假如要更有效率就需要对数据库有很好的领略了。