从 R 中的关系数据库导入数据

2020-01-13 08:00:00 · 飞浪

介绍 R非常适合统计。您需要数据（大量数据）才能获得更好的统计结果。关系数据库非常适合存储大量数据。俗话说，用正确的工具做正确的事。如果您的工作是分析大量数据，那么导入数据、获取数据

介绍

R 非常适合统计。您需要数据（大量数据）才能获得更好的统计结果。关系数据库非常适合存储大量数据。

俗话说，用正确的工具做正确的事。

如果您的工作是分析大量数据，那么导入数据、获取数据、抓取数据、获取数据等都很有意义……无论您喜欢怎么称呼它，只需让您的 R 脚本使用该数据库中的好东西！

如何连接数据库？

要将数据导入 R 脚本，您必须连接到数据库。幸运的是，有专门的 R 包可用于连接到大多数流行的数据库。更棒的消息是：这些包的名称很简单。

RSQLite用于连接 SQLite 数据库
RPostgreSQL用于连接 PostgreSQL 数据库

我喜欢这种惯例：只需将 R 放在数据库软件名称前面，然后祈祷一切顺利，就可以了。

让我们从 R 解释器连接到 SQLite 数据库。我们需要哪个包？

      > install.packages('RSQLite')
> library(RSQLite)
> con <- dbConnect(SQLite(), 'play-example.db')
> con
<SQLiteConnection>
  Path: C:\Users\dan\Documents\play-example.db
  Extensions: TRUE
>
    

第一行安装 RSQLite 包（我跳过了无聊的安装消息）。第二行按预期加载 RSQLite 包。连接魔法发生在第三行，通过调用带有两个参数的dbConnect()函数：

第一个参数是SQLite()函数，它在底层为 SQLite 创建一个驱动对象。
第二个参数是数据库的名称。对于 SQLite，它是实际的文件名，如果文件尚未存在，则会创建它。

将连接存储到变量中是有意义的。新创建的连接显示 SQLite 数据库的文件路径。当然，如果您在机器上尝试，则可能会得到不同的路径。顺便问一下，您能检查一下机器上的 SQLite 文件的大小吗？解释是什么？

给我看看表格

我们可以预期新创建的 SQLite 数据库是空的。让我们使用一些 R 代码来检查并确认这一点。

      > dbListTables(con)
character(0)
>
    

好的，目前还没有表格，但至少dbListTables()函数有一个好听又直观的名字。让我们用经典的mtcars数据框创建一个新表。

      > dbWriteTable(con, 'cars', mtcars)
> dbListTables(con)
[1] "cars"
>
    

太棒了！现在我们可以玩汽车桌了。

使用 SQL 显示数据

让我们使用一些 SQL 从cars表中获取 3 行：

      > dbGetQuery(con, 'SELECT * FROM cars LIMIT 3')
   mpg cyl disp  hp drat    wt  qsec vs am gear carb
1 21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
2 21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
3 22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
>
    

我们如何才能获得 mpg 高于 30 的汽车的 mpg 和气缸数，并按 mpg 升序排列？

      >> dbGetQuery(con, 'SELECT mpg, cyl 
                    FROM cars 
                    WHERE mpg>30 
                    ORDER BY mpg')
   mpg cyl
1 30.4   4
2 30.4   4
3 32.4   4
4 33.9   4
>
    

当然，您可以使用更复杂的查询来优化结果。

使用 dplyr 显示数据

如果您不想编写 SQL 查询，那么可以使用dplyr自动为您生成 SQL 代码。dplyr包非常适合处理数据框。与dbplyr一起使用，它使您能够像处理典型数据框一样处理表格。

让我们安装先决条件并连接到数据库：

      > install.packages(c('dplyr', 'dbplyr'))
> library(dplyr)
> library(RSQLite)
> con <- dbConnect(SQLite(), 'play-example.db')
> cars <- tbl(con, 'cars')
>
    

看看第 4 行：我们再次使用dbConnect()。注意第一个参数：它是SQLite()，而不仅仅是SQLite。这很容易被忽略，我遇到过几次。在第 5 行，tbl()函数负责通过连接从cars表返回数据。

让我们看看dplyr如何帮助我们：

      > cars %>% select(mpg)
# Source:   lazy query [?? x 1]
# Database: sqlite 3.30.1 [C:\Users\dan\Documents\play-example.db]
     mpg
   <dbl>
 1  21  
 2  21  
 3  22.8
 4  21.4
 5  18.7
 6  18.1
 7  14.3
 8  24.4
 9  22.8
10  19.2
# … with more rows
>
    

这是什么？

嗯，%>%是关于从左到右传输数据，从cars到返回mpg列的select()函数。为方便起见，可以这样理解：cars，然后选择mpg，等等。

我们再试一个吧。

再次，我们如何才能获得 mpg 高于 30 的汽车的 mpg 和气缸数，并按 mpg 升序排列？

      > cars %>% 
        select(mpg, cyl) %>% 
        filter(mpg>30) %>% 
        arrange(mpg)
# Source:     lazy query [?? x 2]
# Database:   sqlite 3.30.1 [C:\Users\dan\Documents\play-example.db]
# Ordered by: mpg
    mpg   cyl
  <dbl> <dbl>
1  30.4     4
2  30.4     4
3  32.4     4
4  33.9     4
>
    

看第一行：cars，然后选择mpg和cyl，然后按 mpg 大于 30 进行筛选，然后按 mpg 排列。听起来很自然，对吧？而且，结果与使用 SQL 查询相同。

顺便说一句，我有没有提到dplyr会自动生成 SQL？让我们使用show_query()函数来查看生成的 SQL。

      > cars %>% 
        select(mpg, cyl) %>% 
        filter(mpg>30) %>% 
        arrange(mpg) %>% 
        show_query()
<SQL>
SELECT *
FROM (SELECT `mpg`, `cyl`
FROM `cars`)
WHERE (`mpg` > 30.0)
ORDER BY `mpg`
>
    

这和我们在上一节中精心编写的 SQL 查询非常相似。同时拥有手动 SQL 和dplyr这两个选项真是太好了！

结论

一旦连接到数据库，您可以使用 SQL 或dplyr导入数据，并在 R 代码中进一步使用该数据。

在本指南中，我们使用 SQLite 来说明从关系数据库导入数据的要点。这些要点也适用于使用其他关系数据库。

如果您想深入了解如何将数据从数据库导入 R 代码，请查看我的 Pluralsight 课程“使用R 从关系数据库导入数据”，其中涵盖了如何使用 ODBC 连接数据库以及如何保护凭据或解决连接问题等主题。

_{免责声明：本内容来源于第三方作者授权、网友推荐或互联网整理，旨在为广大用户提供学习与参考之用。所有文本和图片版权归原创网站或作者本人所有，其观点并不代表本站立场。如有任何版权侵犯或转载不当之情况，请与我们取得联系，我们将尽快进行相关处理与修改。感谢您的理解与支持！}

_查看原文

技术指南

R语言

阅读全文

从 R 中的关系数据库导入数据

杭州电子商务研究院

5年前 · 面向社会、服务行业、政产学研结合、整合资源、和谐发展

> install.packages('RSQLite') > library(RSQLite) > con <- dbConnect(SQLite(), 'play-example.db') > con <SQLiteConnection> Path: C:\Users\dan\Documents\play-example.db Extensions: TRUE >

> dbGetQuery(con, 'SELECT * FROM cars LIMIT 3') mpg cyl disp hp drat wt qsec vs am gear carb 1 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4 2 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4 3 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1 >

>> dbGetQuery(con, 'SELECT mpg, cyl FROM cars WHERE mpg>30 ORDER BY mpg') mpg cyl 1 30.4 4 2 30.4 4 3 32.4 4 4 33.9 4 >

> cars %>% select(mpg) # Source: lazy query [?? x 1] # Database: sqlite 3.30.1 [C:\Users\dan\Documents\play-example.db] mpg <dbl> 1 21 2 21 3 22.8 4 21.4 5 18.7 6 18.1 7 14.3 8 24.4 9 22.8 10 19.2 # … with more rows >

> cars %>% select(mpg, cyl) %>% filter(mpg>30) %>% arrange(mpg) # Source: lazy query [?? x 2] # Database: sqlite 3.30.1 [C:\Users\dan\Documents\play-example.db] # Ordered by: mpg mpg cyl <dbl> <dbl> 1 30.4 4 2 30.4 4 3 32.4 4 4 33.9 4 >

> cars %>% select(mpg, cyl) %>% filter(mpg>30) %>% arrange(mpg) %>% show_query() <SQL> SELECT * FROM (SELECT `mpg`, `cyl` FROM `cars`) WHERE (`mpg` > 30.0) ORDER BY `mpg` >