第五章：数据操作Ⅱ：数据处理及加工 第一节：使用SQL处理数据

我们可以使用sqldf包来实现使用mySQL处理数据，它可以减少数据转换的麻烦，使SQL语句用户更容易访问数据，我们可以借助sqldf包，在给出SQL命令后，自动生成Schema，并将数据加载到表格，然后执行SQL语句，并且，如果SQL的执行结果会被再次加载到R，由于该处理过程是自动进行的，所以用户不必安装数据框并设置环境。

sqldf包的主函数为sqldf()，具有以下功能

我们先安装数据包

install.packages("sqldf")
library(sqldf)

之后，我们可以使用sqldf()函数来查看鸢尾花数据，例如我们可以选取Species列，不过在此之前我们需要安装RSQLite包

install.packages("RSQLite")
library(RSQLite)

#因为这通常是因为sqldf()默认情况下尝试连接到一个SQLite数据库，而SQLite是一种轻量级的数据库引擎，可以在本地文件中存储数据，适合用于在内存中处理数据

安装完毕以后，我们可以

> # 将SQLite作为sqldf()函数的后端，即设置sqldf()函数使用SQLite作为执行SQL查询的数据库引擎
> options(sqldf.driver = "SQLite")
> data("iris")#将iris加载入内存中
> result <- sqldf("SELECT DISTINCT Species FROM iris")
> View(result)

就可以看到Species的种类了

由此，我们就可以是用sqldf函数进行一些操作，例如求Sepal.Length的平均值

result <- sqldf("SELECT avg(`Sepal.Length`) FROM iris WHERE Species='setosa'")

> result
  avg(`Sepal.Length`)
1               5.006
#这边特别提醒在选取列的时候要使用反引号，否则会出现无法选择列的情况

我们也可以求不同瓶中鸢尾花的Sepal.Length的平均值，可以使用SQL的group by语句

> sqldf("select Species,avg(`Sepal.Length`) from iris group by Species")
     Species avg(`Sepal.Length`)
1     setosa               5.006
2 versicolor               5.936
3  virginica               6.588

sqldf包提供了多种优化，比如将磁盘作保存空间，或者创建1次数据后可以重复使用，不必每次运行sqldf()函数时都先将数据框保存到数据库后然后处理、删除。sqldf默认支持sqlite，因此在sqldf中可以适当使用索引以提升速度，并且，由于采用了基于数据库的技术，能够大大提高程序的运行速度