Esplorare la struttura delle tibbles

Se provi a stampare una tibble che descrive dati memorizzati in Spark, deve succedere un po' di magia, perché la tibble non conserva una copia dei dati. La magia è che il metodo di stampa usa la tua connessione Spark, copia parte del contenuto in R e mostra quei valori come se i dati fossero stati archiviati localmente. Come hai visto all'inizio del capitolo, copiare i dati è un'operazione lenta, quindi per impostazione predefinita vengono stampate solo 10 righe e un numero di colonne tale da stare a schermo.

Puoi cambiare il numero di righe stampate usando l'argomento n di print(). Puoi anche modificare la larghezza del contenuto da visualizzare usando l'argomento width, che è specificato come numero di caratteri (non di colonne). Un trucchetto utile è usare width = Inf per stampare tutte le colonne.

La funzione str() è in genere usata per visualizzare la struttura di una variabile. Per i data.frame, fornisce un bel riepilogo con il tipo e i primi valori di ciascuna colonna. Per le tibbles con una sorgente dati remota, però, str() non sa come recuperare i dati. Questo significa che, se chiami str() su una tibble che fa riferimento a dati memorizzati in Spark, vedrai un elenco che contiene un oggetto di connessione Spark e qualche altro elemento.

Se vuoi vedere un riepilogo di ciò che contiene ciascuna colonna dell'insieme di dati a cui la tibble fa riferimento, devi invece chiamare glimpse(). Nota che, per dati remoti come quelli memorizzati in un cluster Spark, il numero di righe non è affidabile! In questo caso, glimpse() non riesce a riportare correttamente il numero di righe.