Porovnání rychlosti načítání souborů CSV a RDS

Jednou z nejčastějších operací v datové analýze je načítání dat z CSV souborů. U velkých souborů to ale může být pomalé. Šikovný trik spočívá v tom, že data načteš a uložíš jako binární soubor R (rds) pomocí funkce saveRDS(). Pro zpětné načtení souboru rds slouží funkce readRDS().

Poznámka: Formát rds je nativní formát R pro ukládání jednotlivých objektů, takže nevzniká žádná závislost na knihovnách třetích stran, které se mohou v budoucnu změnit.

Oba přístupy můžeš porovnat pomocí funkce system.time(). Tato funkce vrátí čas potřebný k vyhodnocení libovolného R výrazu. Například pro změření doby výpočtu druhé odmocniny čísel od jedné do deseti milionů bys napsal/a:

system.time(sqrt(1:1e7))

Toto cvičení je součástí kurzu

Efektivní kód v R

Zobrazit kurz

Pokyny k cvičení

Soubory "movies.csv" a "movies.rds" obsahují identické datové rámce s informacemi o 45 000 filmech.

Pomocí funkce system.time() změř, jak dlouho trvá načtení CSV souboru příkazem read.csv("movies.csv").
Totéž zopakuj pro soubor "movies.rds" s využitím funkce readRDS().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# How long does it take to read movies from CSV?
system.time(read.csv(___))

# How long does it take to read movies from RDS?
___

Upravit a spustit kód