1

我正在处理一些敏感数据，所以我担心使用 RPostgreSQL。我已将所有必要的数据加载到 R 中的数据帧中。我正在尝试使用sqldf()R 中的函数对数据运行查询。这些查询是几年前为 Oracle SQL Developer 编写的，因此我们试图避免完全重写脚本. 能够重用预先编写的 SQL 脚本将为我们节省大量时间。当我们点击over()SQL 函数时，脚本似乎出错了。我知道 base sqldf 不支持该over()功能。我读过over()函数适用于 RPostgreSQL 包，但这是否需要我将数据帧发送到外部数据库？根据我对 RpostgreSQL 的理解，您需要连接到 PostgreSQL 并创建一个新数据库。我们无法将此数据发送到外部数据存储系统。是否有另一种方法可以使用该over()功能，同时将数据帧保持在我的 PC 本地？

select program, importance_level, count( distinct subject_id )                      

from                        
(                       
select r.subject_id,                        

case                        
    when  rc_level is not null  and  rc_level <> 'NA'                   
                        then  'bad_guy'
                    when  (rc_level is null  or  rc_level = 'NA') and
         (substr( r.base_category, 2, 2 )  in  ( '5R', '8Q', '8P' )     
                    or r.process_name in ('On The Way'))    
            then 'run_away'                     
          when  (rc_level is null  or  rc_level = 'NA') and r.process_name =
 'Fancy Order'                      
            then 'repeater'                     
           when  (rc_level is null  or  rc_level = 'NA') and
 (a.current_program_code  in  ( 'BOP', 'IAS', 'LIS', 'SIS' )                        
           or  method_code  in  ( 'SIP', 'POB' )                        
           or  substr( r.base_category, 2, 2 )  in  ( '9F', '7G' ))                     
                    then  'NEWBIE'
          else 'Other'                      
        end                     
                as  importance_level,       

case                        
when a.current_program_code in ('123', 'ABC', 'DEF', 'HIJ', 'KLM', 'NOP', 'QRS' ) then 'YAW'                        
when a.current_program_code in ( 'RE', 'FDS', 'QWE', 'WER', 'ERT','RTY','TYU' ) then 'PO'                       
when a.current_program_code in ( 'LEP' ) then 'MOM'                     
else a.current_program_code                     
end                     
as program                      

from FY16DATA r left join (select distinct * from (select subject_id, first_value(current_program_code) over (partition by subject_id order by start_date desc) as current_program_code, first_value(process_name) over (partition by subject_id order by start_date desc) as process_name, first_value(method_code) over (partition by subject_id order by start_date desc) as method_code, max(load_fy) over (partition by subject_id) as load_fy from FY16NAME)) a on r.subject_id = a.subject_id                        
where r.load_fy = '2016' and r.thing_status <> 'Over'  and r.thing_status in ('Head','Hair','Face')                     

)                       
group by program, importance_level;
4

1 回答 1

2

您是正确的，该RPostgreSQL程序包用于连接到外部数据库，与sqldf用于在 R 数据帧上运行 SQL 的数据库有所不同。sqldf依赖其他包来处理数据库连接。

你错了“sqldf不支持该over功能”。sqldf默认驱动程序是sqlite一个没有over(). 但是，您可以使用sqldf本地 postgreSQL 安装（sqldf可以RPostgreSQL在幕后使用）。请参阅 sqldf 常见问题解答如何将 sqldf 与 PostgreSQL 一起使用？，我将在下面发布大部分内容。您会注意到 SQL 查询使用over().

安装 1. PostgreSQL, 2. RPostgreSQLR 包 3.sqldf本身。RPostgreSQL并且sqldf是普通的 R 包安装。

确保您已经创建了一个空数据库，例如"test". 可以使用 PostgreSQL 附带的createdb程序。例如，从控制台/shell 创建一个名为 test 的数据库，如下所示：

createdb --help
createdb --username=postgres test

这是一个使用的示例RPostgreSQL，之后我们展示了一个使用的示例RpgSQL。下面显示的选项语句可以直接输入，也可以放在你的.Rprofile. 此处显示的值实际上是默认值：

options(sqldf.RPostgreSQL.user = "postgres", 
  sqldf.RPostgreSQL.password = "postgres",
  sqldf.RPostgreSQL.dbname = "test",
  sqldf.RPostgreSQL.host = "localhost", 
  sqldf.RPostgreSQL.port = 5432)

Lines <- "Group_A Group_B Group_C Value 
A1 B1 C1 10 
A1 B1 C2 20 
A1 B1 C3 30 
A1 B2 C1 40 
A1 B2 C2 10 
A1 B2 C3 5 
A1 B2 C4 30 
A2 B1 C1 40 
A2 B1 C2 5 
A2 B1 C3 2 
A2 B2 C1 26 
A2 B2 C2 1 
A2 B3 C1 23 
A2 B3 C2 15 
A2 B3 C3 12 
A3 B3 C4 23 
A3 B3 C5 23"

DF <- read.table(textConnection(Lines), header = TRUE, as.is = TRUE)

library(RPostgreSQL)
library(sqldf)
# upper case is folded to lower case by default so surround DF with double quotes
sqldf('select count(*) from "DF" ')

sqldf('select *, rank() over  (partition by "Group_A", "Group_B" order by "Value") 
       from "DF" 
       order by "Group_A", "Group_B", "Group_C" ')
于 2017-01-23T18:42:03.167 回答