R中的long / bigint / decimal等效数据types
我们必须在R中处理大量的数据typesselect？ 默认情况下，一个整数的大小似乎是32位，所以sqlint的bigint数字以及从python通过rpy2传递的任何大数字都会被破坏。
> 123456789123 [1] 123456789123 > 1234567891234 [1] 1.234568e+12 当使用RODBC读取123456789123456789的bigint值时，它会以123456789123456784（参见最后一位数字）的forms返回，而通过RJSONIO进行反序列化时的相同数字会返回为-1395630315L（这看起来像是RJSONIO的一个额外的bug /限制）。
> fromJSON('[1234567891]') [1] 1234567891 > fromJSON('[12345678912]') [1] -539222976
实际上，我确实需要能够处理来自JSON的大量数据，所以对于RJSONIO的限制，除了find一个更好的JSON库（现在看起来像是一个非选项）之外，我可能没有任何解决方法。 我想听听专家们对此以及一般情况的意见。
查看help(integer) ：
Note that on almost all implementations of R the range of representable integers is restricted to about +/-2*10^9: 'double's can hold much larger integers exactly.
所以我会build议使用numeric （即“双”） – 一个双精度数字。
我对你的问题和我之前发布的两个人有一点不同。
如果R的最大默认值不够大，你有几个select（免责声明：我已经使用了下面提到的每个库，但不是通过R绑定，而是通过其他语言绑定或本地库）
Brobdingnag包：使用自然日志来存储值; （如Rmpfr，使用R的新类结构实现）。 任何人的工作都需要这样的规模，我一直对此印象深刻。
library(Brobdingnag) googol <- as.brob(1e100)
gmp包：R绑定到古老的GMP（GNU多精度库）。 这必须回溯20年，因为我在大学使用它。 这个图书馆的座右铭是“没有限制的算术”，这是一个可信的主张 – 整数，理性，浮动，任何，直到你的盒子上的RAM的限制。
library(gmp) x = as.bigq(8000, 21)
Rmpfr包：与gmp（上面）和MPFR接口的R绑定，（MPFR反过来是gmp的一个当代实现，我使用了Python绑定（'bigfloat'），并且可以推荐它。因为它看起来是最积极维护的，并且最终给出了看来是最彻底的文件。
注意：要使用后两者中的任何一个，您需要安装本地库GMP和MPFR 。
在问了这个问题之后，Romain Francois的package64和JensOehlschlägel的bit64现在都可以使用了。
德克是对的。 你应该使用numerictypes（应该设置为double）。 另外要注意的是，你可能不会收回所有的数字。 看数字设置：
> options("digits") $digits [1] 7
你可以扩展这个：
options(digits=14)
或者，您可以重新格式化数字：
format(big.int, digits=14)
我testing了你的号码，并得到相同的行为（即使使用double数据types），所以这可能是一个错误：
> as.double("123456789123456789") [1] 123456789123456784 > class(as.double("123456789123456789")) [1] "numeric" > is.double(as.double("123456789123456789")) [1] TRUE
我在rpy2中解决了一些与整数有关的问题（Python在需要的时候可以从int变成long，但是R似乎不能这样做，整数溢出现在应该返回NA_integer_。
L.
我试图从过去两天find这个问题的解决方法，最后我今天find了。 我们的SQL数据库中有19位数字的长ID，早些时候我使用RODBC从服务器获取bigint数据。 我尝试了int64和bit64，也定义了选项（数字= 19），但RODBC不断给出问题。 我用RJDBCreplaceRODBC，并从SQL服务器检索bigint数据时，我通过使用bigint数据string操纵SQL查询。
所以这里是示例代码：
#Include stats package require(stats); library(RJDBC); #set the working directory setwd("W:/Users/dev/Apps/R/Data/201401_2"); #Getting JDBC Driver driver <- JDBC("com.microsoft.sqlserver.jdbc.SQLServerDriver", "W:/Users/dev/Apps/R/Data/sqljdbc/enu/sqljdbc4.jar"); #Connect with DB connection <- dbConnect(driver, "jdbc:sqlserver://DBServer;DatabaseName=DB;", "BS_User", "BS_Password"); #Query string sqlText <- paste("SELECT DISTINCT Convert(varchar(19), ID) as ID FROM tbl_Sample", sep=""); #Execute query queryResults <- dbGetQuery(connection, sqlText);
有了这个解决scheme，我得到了bigint数据没有任何修改，但它不适用于RODBC。 现在SQL服务器与R交互的速度已经受到影响，因为RJDBC比RODBC慢，但也不是太糟糕。
有很多选项可以用于R大数字。 你也可以使用as.numeric（）。 as.numeric（）的问题是我在R 3.02版本的函数中发现了一个bug。 如果您使用as.numeric（）数据types来乘数，并且数字碰巧产生长度大约为16位的结果，您将得到一个错误结果。 as.numeric（）的这个bug已经在许多库上进行了testing。
还有另一种select。
我为R写了两个程序，一个叫做infiX，另一个是R的infiXF。这个库目前只支持乘法计算。 他们都计算精确到小数的数字。 已经testing了100,000次以上。 infiX将处理string格式的数字，infiXF将把它带到文件系统库。
当你把这个号码存储在内存中时，你的内存限制在8 – 128GB。 如果编译器不让你利用所有可用的资源，有时甚至更less。 当您计算文本文件基础上的数字时，可以计算硬盘大小的1/5。 唯一的问题是，它需要计算的时间。
例如，如果我正在计算1 TB的数字到另一个TB的数字。 那大概是2万亿位数。 这在8TB的硬盘上是可行的。 不过，我有时间做这个计算吗？
InfiX for R可以在这里find。 http://kevinhng86.iblog.website/2017/02/21/working-with-number-infinity-multiplication-optimised-the-code-r/
