tibbles की संरचना का अन्वेषण
यदि आप ऐसा tibble प्रिंट करने की कोशिश करते हैं जो Spark में संग्रहीत डेटा का वर्णन करता है, तो थोड़ा "जादू" होना पड़ता है, क्योंकि tibble अपने पास डेटा की कॉपी नहीं रखता. यह जादू यह है कि print मेथड आपके Spark कनेक्शन का उपयोग करता है, कुछ सामग्री वापस R में कॉपी करता है, और उन मानों को ऐसे दिखाता है मानो डेटा लोकली संग्रहीत था. जैसा कि आपने इस अध्याय में पहले देखा, डेटा कॉपी करना एक धीमा ऑपरेशन है, इसलिए डिफॉल्ट रूप से केवल 10 पंक्तियाँ और उतने कॉलम ही प्रिंट होते हैं जितने स्क्रीन पर फिट हो जाएँ.
आप print() के n आर्ग्यूमेंट से प्रिंट होने वाली पंक्तियों की संख्या बदल सकते हैं. आप width आर्ग्यूमेंट से दिखाए जाने वाले कंटेंट की चौड़ाई भी बदल सकते हैं, जो अक्षरों की संख्या (कॉलम की संख्या नहीं) में दी जाती है. एक अच्छा ट्रिक है width = Inf का उपयोग करना ताकि सभी कॉलम प्रिंट हो जाएँ.
str() फंक्शन आम तौर पर किसी वैरिएबल की संरचना दिखाने के लिए उपयोग होता है. data.frames के लिए, यह हर कॉलम के टाइप और शुरुआती कुछ मानों सहित अच्छा सारांश देता है. लेकिन ऐसे tibbles के लिए जिनका डेटा स्रोत रिमोट है, str() को डेटा कैसे प्राप्त करना है, यह नहीं पता होता. इसका मतलब है कि यदि आप ऐसे tibble पर str() कॉल करते हैं जिसमें Spark में संग्रहीत डेटा है, तो आपको एक सूची दिखती है जिसमें Spark कनेक्शन ऑब्जेक्ट और कुछ अन्य टुकड़े-टुकड़े शामिल होते हैं.
यदि आप उस डेटासेट में प्रत्येक कॉलम में क्या है इसका सारांश देखना चाहते हैं, जिसकी ओर tibble इशारा करता है, तो आपको इसके बजाय glimpse() कॉल करना होगा. ध्यान दें कि Spark क्लस्टर जैसे रिमोट डेटा के लिए पंक्तियों की संख्या भ्रामक हो सकती है! इस स्थिति में, glimpse() पंक्तियों की सही संख्या रिपोर्ट करने में विफल रहता है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में sparklyr के साथ Spark परिचय
अभ्यास निर्देश
आपके लिए spark_conn नाम से एक Spark कनेक्शन बनाया गया है. Spark में संग्रहीत ट्रैक मेटाडेटा से जुड़ा एक tibble track_metadata_tbl के रूप में पहले से परिभाषित है.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Print 5 rows, all columns
___
# Examine structure of tibble
___
# Examine structure of data
___