星期二, 十月 09, 2012

在R语言中使用SQL


数据分析经常需要从外部获得数据。很多情况下数据存放在关系型数据库中。一般我们可以用SQL来提取需要的数据,存为文本再由R来读入。这种方式结合了数据库的储存能力和R的分析能力,速度也非常快。但是如果要形成一套可重复性的自动工作流程,则可以将R与外部数据库连接,直接在R中操作数据库,并生成最终结果,这也是一种可行的方法。

在R中连接数据库需要安装其它的扩展包,根据连接方式不同我们有两种选择:一种是ODBC方式,需要安装RODBC包并安装ODBC驱动。另一种是DBI方式,可以根据已经安装的数据库类型来安装相应的驱动。因为后者保留了各数据库原本的特性,所以个人比较偏好用DBI连接方式。有下面这几种主要的包提供了DBI连接:RMySQL,RSQLite,ROracle,RPostgreSQL。由名字看得出它们分别对应了几种主流的数据库。

这几种数据库中SQLite是一个轻量级的数据库,完全免费,使用方便,不需要安装,无须任何配置,也不需要管理员。如果只需要本地单机操作,用它来配合R来存取数据是非常方便的。下面来看看R中操作SQLite数据库的示例。

从零开始:
1、下载SQLite,它是一个单独的执行文件,并且是在命令行下操作。如果不习惯可以安装sqlitebrowser之类的GUI。先把它放到一个文件夹中,例如sqlite。

2、在sqlite中执行sql脚本,建立一个数据库。先下载脚本文件放到同一个文件夹中,然后执行下面的。现在文件夹中应该有train.db这个数据库文件了。这里是两个sql脚本的下载地址:地址1地址2
.read Scheme.sql
.read Data.sql
.backup train.db

3、在R中安装RSQlite包
install.packages('RSQlite')

4、加载RSQlite包,建立连接后用SQL读取数据
library(RSQLite)
# 建立连接,注意数据库类型和文件地址
con <- dbConnect('SQLite', dbname='d:/sqlite/train.db')
# 观察数据库中有三个数据表格
dbListTables(con)
# 观察其中一个表的字段
dbListFields(con, 'Apply')
# 写一段SQL语句,来选取需要的数据
sql <- "select sName, GPA, decision ,cName
           from Student, Apply
           where Student.sID = Apply.sID
             and sizeHS < 1000 and major = 'CS'  and cName = 'Stanford'"
# 将选取的数据存入到data中,同时显示出来
(data <- dbGetQuery(con, sql))
# 关闭数据库连接
dbDisconnect(con)

R中还有一个有趣的sqldf包,它可以让你用SQL来操作dataframe,这种功能能让会R的人能练习SQL,会SQL的人能练习R。最后介绍一个非常好的数据库视频教程一本教材,对于初学SQL的人会非常有帮助。

参考资料:
《R in a Nutshell》

1 条评论:

  1. 您真是我的貴人, 這正是我需要的資料,尋尋覓覓啊

    原來在這裡!

    感激涕零~

    回复删除