数据库是极其重要的R语言数据导入源数据之地，读入包有sqldf、RODBC等。跟SQL server相连有RODBC，跟mySQL链接的有RMySQL。但是在R里面，回传文本会出现截断的情况，这一情况可把我弄得有点手足无措。
一、数据库读入——RODBC包
CRAN 里面的包 RODBC 提供了 ODBC的访问接口：
odbcConnect 或 odbcDriverConnect (在Windows图形化界面下，可以通过对话框选择数据库) 可以打开一个连接，返回一个用于随后数据库访问的控制(handle)。 打印一个连接会给出ODBC连接的一些细节，而调用 odbcGetInfo 会给出客户端和服务器的一些细节信息。
在一个连接中的表的细节信息可以通过函数 sqlTables 获得。
函数 sqlSave 会把 R 数据框复制到一个数据库的表中， 而函数 sqlFetch 会把一个数据库中的表拷贝到 一个 R 的数据框中。
通过sqlQuery进行查询，返回的结果是 R 的数据框。(sqlCopy把一个 查询传给数据库，返回结果在数据库中以表的方式保存。) 一种比较好的控制方式是首先调用 odbcQuery， 然后 用 sqlGetResults 取得结果。后者可用于一个循环中 每次获得有限行，就如函数 sqlFetchMore 的功能。
连接可以通过调用函数 close 或 odbcClose 来关闭。 没有 R 对象对应或不在 R 会话后面的连接也可以调用这两个函数来关闭， 但会有警告信息。
[plain] view plain copy
在CODE上查看代码片派生到我的代码片
#安装RODBC包
install.packages("RODBC")
library(RODBC)
mycon
#通过一个数据源名称(mydsn)和用户名(user)以及密码(rply，如果没有设置，可以直接忽略)打开了一个ODBC数据库连接
data(USArrests)
#将R自带的“USArrests”表写进数据库里
sqlSave(mycon,USArrests,rownames="state",addPK=TRUE)
#将数据流保存，这时打开SQL Server就可以看到新建的USArrests表了
rm(USArrests)
#清除USArrests变量
sqlFetch(mycon, "USArrests" ,rownames="state")
#输出USArrests表中的内容
sqlQuery(mycon,"select * from USArrests")
#对USArrests表执行了SQL语句select，并将结果输出
sqlDrop(channel,"USArrests")
#删除USArrests表
close(mycon)
#关闭连接
本段来自R语言︱文件读入、读出一些方法罗列(批量xlsx文件、数据库、文本txt、文件夹)
1、sqlSave函数
sqlSave(channel, dat, tablename = NULL, append = FALSE,
rownames = TRUE, colnames = FALSE, verbose = FALSE,
safer = TRUE, addPK = FALSE, typeInfo, varTypes,
fast = TRUE, test = FALSE, nastring = NULL)
其中这个函数的使用还是很讲究的，参数的认识很重要。
append代表是否追加，默认不追加，如果一张已经有数据的表，就可以用append追加新的数据，需要同样的column，一般开个这个就行。
rownames，可以是逻辑值，也可以是字符型。
colnames，列名；
verbose，默认为FALSE，是否发送语句到R界面，如果TRUE，那么每条上传数据就会出现在命令栏目致之中。
addPK,是否将rownames指定为主键。
2、sqlUpdate函数
sqlUpdate(channel, dat, tablename = NULL, index = NULL,
verbose = FALSE, test = FALSE, nastring = NULL,
fast = TRUE)
更新已经存在的表格，需要包括已经存在的列。
——————————————————————————————————————————————
二、sqldf包
本包的学习来自CDA DSC课程，L2-R语言第四讲内容，由常老师主讲。与RODBC的区别在于，前面是直接调用数据库SQL中的数据；而该包是在R语言环境中，执行SQL搜索语言。
组合使用：RODBC从数据库读入环境，sqldf进行搜索(适合SQL大神)。
其他函数的类似功能可以看：R语言数据集合并、数据增减
1、SQL基本特点
SQL语句语句特点：先全局选择，再局部选择
Select * from sale where year=2010 and ...
where后面可以接很多，有比较运算符，算数运算符，逻辑运算符。
比较运算符号：=(等于，不是双引号)；!=(不等于)；>，=，<=
算数运算符：*，/，+，-
逻辑运算符：&&(and,与)， ||(or，或) ，!(,not非)
2、数据筛选与排序
数据筛选可以有subset函数，排序有order/sort函数
#选择表中指定列*/
sqldf("select year,market,sale,profit from sale")
#选择满足条件的行*/
sqldf("select * from sale where year=2012 and market='东'")
#语句特点，先抽取全局数据，然后再执行局部选择
#字符单引号，切记
#对行进行排序*/
sqldf("select year,market,sale,profit
from sale
order by year")
数据筛选：sqldf可以执行选择表中指定指标、满足条件的行(注意：抽取满足条件的行的字符时，字符型需要用单引号)，语法结构是：
select 指标名称 from 数据集 where 某指标=条件
排序order：按照某变量排序，语法结构：
select 指标名称(或全部)from 数据集 order by 指标名称
3、数据合并——纵向连接
数据合并的方法很多，基本函数包中有merge、cbind/rbind，以及一些专业的包plyr、dplyr、data.table等
rbind/cbind对数据合并的要求比较严格：合并的变量名必须一致；数据等长；指标顺序必须一致。
sqldf就不会这么苛刻，并参照了一些集合查询的方法(关于基础包的集合查询可参考：R语言︱集合运算)。
(1)并——union
UNION3
#合并后去重,rbind是合并后不去重
UNION_all
#all可以支持，合并后不去重
rbind/cbind是将数据一股脑子全部帖在一起，只合并不去重；sqldf则可以自行选择，语法结构：
select * from 数据集1 union (all) select * from 数据集2
其中的all代表不去重，一起加进来。
(2)差(except)、交(Intersect)
#EXCEPT_差集
#不存在all
EXCEPT
#INTERSECT——交集
INTERSECT
差集就是找两个数据集的不同的数据，而且是数据集1中，去掉重复的数值；并集则是两个数据集的重合(去重可以用)之处。
4、数据合并——横向连接
横向连接有三种类型：交叉连接(笛卡尔乘积，大乱炖所有数据重新排列组合合并起来，一般在实验设计涉及全排列的时候可以很好地使用)、内连接(筛选匹配到的数据)、外连接。
其中，sqldf 中的右连接、全连接已经失效，一般情况下会大多选择左联结。
(1)内连接——匹配到完全一致的
> inner1
id a b
1 3 c e
> inner2
id a b
1 3 c e
> inner3
id a id b
1 3 c 3 e
> inner4
id a id b
1 3 c 3 e
匹配到完全一致、相同的，基础包merge=dplyr的inner_join=sqldf包中的inner join。当然输出结果中，sqldf中会蹦出来两个id，可以进行删除。
其中sql包中的Inner join语法结构为：
select * from 数据集1 as a inner join 数据集2 as b on a.指标名称=b.指标名称
(2)左连接——最有效，以数据集1为准，匹配到的+为匹配到的
> left1
id a b
1 1 a
2 2 b
3 3 c e
> left2
id a b
1 1 a
2 2 b
3 3 c e
> left3
id a id b
1 1 a NA
2 2 b NA
3 3 c 3 e
基础包中的merge，当all=F就是内连接，all=T就是全连接，all.x=T就是左联结，all.y=T就是右连接(merge函数首选all=T,全连接)；dplyr中的left_join也可以实现merge,all=T效果
sqldf中的语法结构：
select * from 数据集1 as a left join 数据集2as b on a.指标名称=b.指标名称
4、数据去重
#删除重复的行*/
sqldf("select DISTINCT year from sale")
解读：distinct跟unique去重功能差不多，语法特点：
select DISTINCT 指标名称 from 数据集
——————————————————————————————————————————————————————
应用一：R语言中文本回传SQL出现截断(truncated )现象，怎么办？
R语言中用sqlSave函数，把文本回传的时候回出现这样的问题，文本超过255个字符的会出现截断truncated现象，因为回传到SQL之后，规定的字符数即为varchar(255)，所以会出现截断现象。
如果出现这样的截断现象该如何解决呢？
解决办法一：修改SQL Server的字符
先创建一个表，然后把那个字符型格式修改为varchar(4000)，或者其他格式，不能修改成max，会报错，造成Rstudio崩溃。当然，也可以先sqlSave一个版本过去(就几条内容)，然后修改一下格式之后，继续append追加内容进行。
SQL Server 2008中在修改数据类型的时候，会报错，一直保存不了，需要按照以下的内容设置一下：
选择菜单 工具-〉选项-〉表设计器(Designers)-〉表设计器和数据库设计器table and database designers。然后去掉“ 阻止保存要求重新创建表的更改”(prevent saving changes that require table re-creation)前面的勾。重新启动MSSQL SERVER 2008可以解决该问题。 (来源博客：http://franciswmf.iteye.com/blog/1962550)
但是笔者在尝试该办法的时候，总是修改之后就卡死，所以无奈选择第二条路。
解决办法二：从R中导出然后导入SQL Server
笔者尝试过，导出csv/txt但是直接用SQL Server内嵌工具，“SQL Server Import and export Wizard”对于csv/txt导入都十分麻烦，导入出现很多问题。
所以最后是用csv-转excel-用上述工具导入。
问题一：R语言中，用write.csv时候，用office打开，多出了很多行？
如果文本字符长度很大，那么就会出现内容串到下面一行的情况，譬如10行的内容，可能变成了15行。好像office默认单个单元格的字符一般不超过2500字符，超过就会给到下一行。
所以笔者在导入5W条数据时候，多出了很多行，于是只能手动删除。
如果用txt格式导出，用Notepad++打开是好的，但是用excel打开又多出来不少行，所以用excel打开是用代价的。
但是由于excel是最好的导入SQL的格式，于是不得不手工删除，同时牺牲一部分的内容。
问题二：如何使用SQL Server Import and export Wizard？
1、choose a Data Source界面(注意勾选，在第一个数据行中显示列名称)
2、Data Source中，有Flat File Source 栏目，就是用来做csv、txt格式的；还有一个excel选项是专门针对excel
3、导入数据界面，你需要输入服务器名称，已经相应的数据库名称；
4、选择源表和源视图，你可以通过”目标“栏目新建，也可以导入已经有的表格，当然第一次导入，笔者推荐直接导入新表，注意看检查一下下面的一个栏目”编辑映射“
5、运行语句。
其中，如果你是第二次导入已经有的表，那么在第四步，”编辑映射“时，就需要看清楚是否与已有的数据列表一一对应。
同时，如果第二次导入的表有表头名称，只要第一步勾选列名称，也是没有关系的，导入后不算入数据之中。
主要教程来源于：http://www.xlgps.com/article/61446.html
问题三：通过SQL代码导入
相关内容可参考博客：
http://www.it165.net/database/html/201310/4632.html
http://www.cnblogs.com/wangshenhe/archive/2013/04/27/3047092.html
——————————————————————————————————————————————————————
贴张dplyr包的用法
---------------------
作者：悟乙己
来源：CSDN
原文：https://blog.csdn.net/sinat_26917383/article/details/51601539
版权声明：本文为博主原创文章，转载请附上博文链接！
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
