在 dplyr 中计算、收集和折叠做啥？

Posted 2023-03-11

【中文标题】在 dplyr 中计算、收集和折叠做啥？

【英文标题】：What do compute, collect, and collapse do in dplyr?在 dplyr 中计算、收集和折叠做什么？

【发布时间】：2017-05-15 07:22:22

【问题描述】：

我现在正在学习 R 中的 dplyr 包，但在理解三个功能 - compute、collect 和 collapse - 的作用时碰壁了。

我了解dplyr 在内部不使用data.frame 类型；而是将其数据存储到自己的类型tbl 或tbl_df。

然后，为了将自定义类型转换回 R 的默认 data.frame 以利用 data.frame 上的一组默认函数，您必须使用 collect，例如：

batting <- tbl(lahman_sqlite(), "Batting")
dim(collect(batting))

截至 2016 年，这将返回 [1] 99846 22，而 dim(batting) 返回 [1] NA 22。

但是，我不确定其他两个函数 - compute 和 collapse - 是做什么的。如果您通过?collect 进行检查，则文档说明如下：

说明：

‘compute’ 强制计算惰性 tbls，将数据留在 远程源。 “收集”也强制计算，但会带来 数据返回到 R data.frame（存储在“tbl_df”中）。 '坍塌' 不强制计算，而是将复杂的 tbl 折叠成一个表单 可以施加额外的限制。

这是什么意思，特别是强制计算惰性 tlbs？

---

更新

我想知道这些函数的作用，并想弄清楚其中一个做什么，其他不做什么。

【问题讨论】：

对于投票结束这个问题的人，你能解释一下为什么你认为这太板了，我该如何改进它？我的观点是这三个函数分别做什么。

我没有投票结束，但我可以看到两个投票结束的类别是“太宽泛：可能的答案太多，或者好的答案会对于这种格式来说太长了。请添加详细信息以缩小答案集或隔离可以在几段中回答的问题。"

@Ben 是的，我查过了，但我什至不确定为什么它太宽泛了。

我认为大多数人在新的r 问题上都在寻找可以复制粘贴、在计算机上运行并进行故障排除的代码，以获得发布者指定的特定结果。不符合这种模式的问题往往会受到拒绝/关闭投票的惩罚，我想这就是这里发生的事情。

我不打算作为答案发布，因为我不确定自己，但是： lazy tbl 表示已指定操作的 tbl，但不一定执行（因为还不需要）：见 en.wikipedia.org/wiki/Lazy_evaluation , ***.com/questions/tagged/…

【参考方案1】：

来自dplyr vignettes之一：

有三种方法可以强制计算查询：

collect() 执行查询并将结果返回给 R。

compute() 执行查询并将结果存储在临时 数据库中的表。

collapse() 将查询转换为表表达式。

collect() 是您最常使用的函数。一旦你到达集合 您想要的操作，您使用collect() 将数据拉到本地 tbl_df()。如果你知道 SQL，你可以使用compute() 和collapse() 来 优化性能。

如果这没有帮助，最好的办法可能是研究每个函数的源代码。您可以在此处查看有关如何执行此操作的说明：How do I see the help for the `dplyr::collect` method?

【讨论】：

大概，阅读过文档（如 OP 所示）并在此处询问的人会发现源代码不太容易理解，不是吗？