r语言 select_R语言ETL工程系列：检索（select）

作者：黄天元，复旦大学博士在读，目前研究涉及文本挖掘、社交网络分析和机器学习等。希望与大家分享学习经验，推广并加深R语言在业界的应用。

邮箱：huang.tian-yuan@qq.com

前言

本章介绍如何从表中检索一个或多个数据列。

首先我们加载需要使用的包。其中我们需要的航班数据flights数据集需要在nycflights13中加载：

1library(tidyverse)2library(nycflights13)

select函数

select是最常用的ETL函数之一，用途就是从表格中选取需要的列。
要使用这个函数，要搞清楚两个问题：1.从哪里获取数据？2.从数据里面提取什么？所以需要给出至少两个信息：1.表格名称；2.列名称。

检索单个列

我们从最简单的语句开始：

1flights %>%2  select(year)

 1## # A tibble: 336,776 x 1 2##     year 3##     4##  1  2013 5##  2  2013 6##  3  2013 7##  4  2013 8##  5  2013 9##  6  201310##  7  201311##  8  201312##  9  201313## 10  201314## # ... with 336,766 more rows

上面的语句表示：从flights表格中提取了名为year的列。相应的SQL语句如下：

1 SELECT `year`2FROM `flights`

提示：尽管SQL不区分大小写，但是统一使用大写来写SQL语句有利于提高可读性。另外，很多SQL语句要求最后要加分号(;)，否则会报错。

检索多个列

检索多个列与检索单列相似，需要给出多个列名称，而且列名称之间需要用逗号(,)隔开。需要注意的是，最后的列名称后面不能加逗号，否则会报错。

1flights %>%2  select(year,month,day)

 1## # A tibble: 336,776 x 3 2##     year month   day 3##       4##  1  2013     1     1 5##  2  2013     1     1 6##  3  2013     1     1 7##  4  2013     1     1 8##  5  2013     1     1 9##  6  2013     1     110##  7  2013     1     111##  8  2013     1     112##  9  2013     1     113## 10  2013     1     114## # ... with 336,766 more rows

相应SQL语句如下：

1 SELECT `year`, `month`, `day`2FROM `flights`

检索所有列

R中只要输入表格名称，默认就是包含了表格所有列，因此提取所有列非常简单：

1flights