file - 如何在 R 中创建数据加载进度条？

Question

是否可以使用load()为加载到R中的数据创建进度条？

对于数据分析项目，大型矩阵正在从 .RData 文件加载到 R 中，这需要几分钟的时间才能加载。我想要一个进度条来监视加载数据之前需要多长时间。 R 已经很好了 progress bar集成了功能，但 load() 没有用于监视已读取数据量的钩子(Hook)。如果我不能直接使用加载，是否有一种间接的方法可以创建这样的进度条？也许将 .RData 文件加载到卡盘中并将它们放在一起用于 R。有人对此有任何想法或建议吗？

Answer 1

我提出了以下解决方案，该解决方案适用于小于 2^32 - 1 字节的文件大小。

R 对象需要序列化并保存到文件中，如以下代码所示。

saveObj <- function(object, file.name){
    outfile <- file(file.name, "wb")
    serialize(object, outfile)
    close(outfile)
}

然后我们以 block 的形式读取二进制数据，跟踪读取的数量并相应地更新进度条。

loadObj <- function(file.name){
    library(foreach)
    filesize <- file.info(file.name)$size
    chunksize <- ceiling(filesize / 100)
    pb <- txtProgressBar(min = 0, max = 100, style=3)
    infile <- file(file.name, "rb")
    data <- foreach(it = icount(100), .combine = c) %do% {
        setTxtProgressBar(pb, it)
        readBin(infile, "raw", chunksize)
    }
    close(infile)
    close(pb)
    return(unserialize(data))
}

代码可以按如下方式运行:

> a <- 1:100000000
> saveObj(a, "temp.RData")
> b <- loadObj("temp.RData")
  |======================================================================| 100%
> all.equal(b, a)
[1] TRUE

如果我们对以单个 block 读取文件的进度条方法进行基准测试，我们会发现进度条方法稍微慢一些，但还不足以担心。

> system.time(unserialize(readBin(infile, "raw", file.info("temp.RData")$size)))
   user  system elapsed
  2.710   0.340   3.062
> system.time(b <- loadObj("temp.RData"))
  |======================================================================| 100%
   user  system elapsed
  3.750   0.400   4.154

所以虽然上述方法有效，但由于文件大小的限制，我觉得它完全没有用。进度条仅对需要很长时间才能读入的大文件有用。

如果有人能想出比这个解决方案更好的解决方案，那就太好了!