我正在尝试将其用作学习练习。我有一个 343345 行的数据集，需要在 ArcGIS 中对数据进行地理编码，但是完整的数据集太大而无法正常运行。我需要将数据分成 50,000 行的块，最后一个块要小一些。
目前，我正在手动执行此操作，以 50,000 个为单位，如图所示
gen_gis_test_1_50 = gen_gis[c(1:50000),]
gen_gis_test_51_100 = gen_gis[c(50001:100000),]
然后我为我创建的每个新变量使用write.csv()。
我已经完成了许多这样的死记硬背的练习，并想看看编写函数的最佳方法是什么。理想情况下，该函数将读取主文件，然后每 50,000 行输出一个新变量。然后我想编写第二个函数，遍历每个函数并将其写为 csv。
提前非常感谢！
【问题讨论】：
标签： r
如果您对使用 tidyverse 感到满意，那么有一些简洁的功能可以以一种简短而简单的方式完成这些工作。您首先创建一个分组变量（只需将行号除以 50000 并取模）。接下来，您使用 dplyrs group_by 函数对数据集进行分组，然后再使用 group_map 函数（同样来自 dplyr 包）将数据写入 csv 文件。
使用 Darren Tsais 示例（虹膜数据集每个拆分为 40 行），如下所示：
library(dplyr)
iris %>%
mutate(grp = (row_number() - 1) %/% 40) %>% #create the modulo of the rownumber divided by 40
group_by(grp) %>%
group_map(~write.csv(.x, file = paste0("dataset_split_", .y, ".csv")))
在group_map 函数中，~ 用于定义将应用于每组数据帧的函数。 .x 代表（拆分）数据集（现在最多 40 行长），.y 代表分组值（在本例中为 0-3），因此每个组都有不同的文件名。生成的文件将命名为 dataset_split_0.csv、dataset_split_1.csv、dataset_split_2.csv 和 dataset_split_3.csv。在您的情况下，只需将iris 替换为gen_gis 并将40 替换为50000，它应该可以工作。
【讨论】：
mutate(grp = (row_number() - 1) %/% 40)更贴心。您可以查看table((1:150) %/% 40) 和table((1:150 - 1) %/% 40) 之间的区别。
%>% 在group_by 之后，这是必需的，以便整个代码块作为一个函数链执行。
以内置数据集iris 为例，它有 150 行。现在我想将数据分成 40 行的块。我们知道150 / 40 = 3...30，所以最后一个块将是iris[121:150, ]。然后进行以下计算：
df <- iris
n <- 40
grp <- (1:nrow(df)-1) %/% n
table(grp)
# 1 2 3 4
# 40 40 40 30
您可以获得 4 个组。除最后一行外，每组有 40 行。最后用split()分割数据，Map()分别导出。
df_split <- split(df, grp)
Map(function(x, y){
write.csv(x, sprintf("gen_gis_%d_%d.csv", y, y + nrow(x) - 1), row.names = F)
}, df_split, (seq_along(df_split)-1) * n + 1)
检查您的工作目录：
【讨论】：