3

在 redshift 上愉快地使用 dbplyr 来做基本的事情后，我发现很难执行更复杂的分析，我想知道这是由于当前的 dbplyr 工具集，还是我的错误。

典型的 mwe：

library(dplyr)
library(dbplyr)
library(forcats)

redshift <- dbConnect(driver, url) #  <<<obviously put in specific details here
tbl(redshift, "table") -> mytable

myTable %>% colnames() # This returns the correct colnames, great, working connection!

myTable %>% mutate_all(as_factor) # This gives an error

这种情况下的错误是 dbplyr 已将 sql 发送到数据库，如下所示：

SELECT AS_FACTOR("col_1") AS "col_1", AS_FACTOR("col_2") AS "col_2"

所以返回的错误是：

Error in .verify.JDBC.result(r, "Unable to retrieve JDBC result set for ",  : 
  Unable to retrieve JDBC result set for SELECT AS_FACTOR("col_1") AS "col_1", AS_FACTOR("col_2") AS "col_2"....

但是，据我所知，Redshift 没有任何AS_FACTOR()功能。在这种情况下，我会期望将数据拉入我的本地会话的行为，并将其作为 R 中的一个因素进行处理，但是它似乎没有记录 a) Redshift 没有该功能，b) Redshift 没有t 支持该数据类型（我相信，尽管愿意更正），c）其目的是提取数据并创建因子。

这似乎得到了文件here的支持，它将 Redshift 撞到了 postgres 环境中，尽管 Redshift 在范围上比 postgres 受限得多。

我的具体问题是：

  • 我的推论过程对错误是否正确？
  • 解决方法是什么，是在此阶段之前收集我的结果的过程，然后在本地工作，还是我错过了什么？
4

1 回答 1

2

挑战是将 R 变量类型映射到适当的数据库类型。今天，dbplyr翻译as.numeric()、as.double()、as.integer()和as.character()。任何dbplyr无法识别的函数都会逐字传递给数据库，这就是结果为as_factor(). 我可能错了，但 Redshift 没有分解变量，所以也许使用as.character()是一个更好的选择。我在使用数据库时使用强制转换为分类数据的那个。我鼓励您使用当前的翻译之一，并避免使用collect()，特别是在非常大的数据集上。

于 2018-09-22T21:19:31.123 回答