问题描述
我在 R 中使用箭头包。我需要过滤字符串,例如,我有 7 亿行,我只需要获取那些包含“Walmart”的行,但出现以下错误。
FileSystemDataset with 2886 Parquet files
DatoID: int32
BanktransaksjonID: int64
PosteringstypeID: int64
ForretningskategoriID: int64
KundeID: string
KortKildeID: string
TransaksjonDTM: timestamp[ns]
Posteringstekst: string
Kontovaluta: string
Kontobelop: decimal(38,18)
Transaksjonsvaluta: string
Forretningskategori: string
Forretningsnr: string
Posteringstypekode: string
Posteringstype: string
KortFlagg: string
year: int32
month: int32
+ system.time(ds %>%
+ filter(year==2019,month=1,grep('^cl\\.+',Posteringstekst,value=TRUE)) %>%
+ select(Kontobelop)%>%
+ collect() %>%
+ summarise(
+ mean = mean(abs(Kontobelop)),+ n = n()) %>%
+ print())
Error: Filter expression not supported for Arrow Datasets: grep("^cl\\.+",value = TRUE)
Call collect() first to pull data into R.
Timing stopped at: 0.01 0 0.01
我也使用了具有相同结果的字符串,也许就像错误说“不支持过滤器表达式”一样简单,如果支持,那么何时支持?
解决方法
错误信息是正确的:从3.0.0版本开始,箭头R包不支持grep这样的字符串函数来过滤数据集。 https://issues.apache.org/jira/browse/ARROW-10305 是跟踪该功能的问题。我们希望在下一个版本(4.0.0)中实现这些字符串函数。