Jaki jest najlepszy format zapisywania ramek danych na dysku w R do przechowywania?

Question

Jaki jest najlepszy format do utrzymywania prostych ramek danych na dysku w R do przechowywania przy jednoczesnym ograniczeniu straty semantycznej?

Pytam, ponieważ archiwizuję zestaw danych. W idealnym świecie, mój format danych miałby cechy następujące:

1. stabilności - format przechowywania będzie kompatybilny z przyszłej wersji R
2. semantyczna zgodność - format przechowywania zrozumie semantykę primative danych R za typy. Na przykład będzie w stanie przechowywać uporządkowane czynniki z etykietami w rozsądny sposób.
3. Open Standard - idealnie, format będzie otwarty standard więc inne statystyki pakiety (teraz lub w przyszłości) będą mogli go

Moją pierwszą myślą było używać CSV, który jest bardzo stabilny zrozumieć, ale brakuje wymaganego semantycznego bogactwa. Z drugiej strony, wbudowany w R format RData całkowicie uchwycił semantykę R, ale wydaje się, że zmienia się pomiędzy wydaniami (popraw mnie jeśli się mylę).

Czy istnieje inny format, który wyważa te trzy imperatywy?

Answer 1

Zrzuć go do pliku tekstowego z dput. W ten sposób uzyskasz całą strukturę obiektów R, a jej w formie tekstowej, która, jeśli R przestanie istnieć, może być dość łatwo przetwarzana.

Prawdopodobnie nie przechodzi (3), twój test "otwartego standardu".

R jest całkiem niezły ze względu na kompatybilność wsteczną z jego formatem .RData, więc nawet jeśli pliki napisane przez najnowsze R nie są takie same jak starsze, najnowsze R nadal będzie czytać stare pliki. Jednakże, jeśli R powinno przestać istnieć, inżynieria odwrotna formatu binarnego jest o rząd wielkości trudniejsza niż grokowanie wyjścia z dput.