R語言SQL管理資料庫的方法

#使用SQL語句操作數據框，需要加載的程序包sqldf,tcltk，使用iris數據集以及演示

library(sqldf)

library(tcltk)

head(iris)#了解數據集由5各變量組成

#取出前幾行

a1r <- head(iris,10)#一般方法

a1s <- sqldf("select * from iris limit 10")#取出數據框的前六行，關鍵詞limit

identical(a1r, a1s)#比較兩個數據框是否相同

#取出子集

a2r <- subset(iris, grepl("^se", Species))#取出物種列中以se開頭的數據子集

a2s <- sqldf("select * from iris where Species like 'se%'")#取出數據的子集，關鍵詞like

all.equal(as.data.frame(a2r), a2s)#檢驗數據是否有差異

#指定某變量值為兩個以上時的提取

a3r <- subset(iris, Species %in% c("setosa", "virginica"))#在iris數據集中，選出量物種是setosa和virginica的行

a3s <- sqldf("select * from iris where Species in ('setosa', 'virginica')")#注意單引號和雙引號

row.names(a3r) <- NULL#a3r選的是子集，因而行名還是與原數據集相同

identical(a3r, a3s)

#指定某變量範圍時數據集的提取

a4r <- subset(iris,  Petal.Length >= 0 &  Petal.Length <= 2.0)#選取breaks在20到30之間的數據

a4s <- sqldf("select * from iris where Petal.Length between 0 and 2.0", row.names = TRUE)#使用row.names=TRUE可以不把行名重命名

iris$Petal.Length

#數據合計

a5r <- aggregate(iris[1:2], iris[5], mean)#計算出了3個物種前兩個變量的平均值

a5s <- sqldf('select Species, avg("Sepal.Length") `Sepal.Length`, avg("Sepal.Width") `Sepal.Width` from iris group by Species')#關鍵詞group by

all.equal(a5r, a5s)#查看數據是否相同

# 提取某變量breaks從小到大排序後的前3行的數據，除數據屬性和列名外相同

head(warpbreaks)

a6r <- head(warpbreaks[order(warpbreaks$breaks), ], 3)

a6s <- sqldf("select * from warpbreaks order by breaks limit 3")

# attributes(a6r) <- attributes(a6s) <- NULL#去除屬性

row.names(a6r) <- NULL#去除列

identical(a6r, a6s)

# 提取某變量breaks從大到小排序後的前3行的數據，除數據屬性和列名外相同

a7r <- head(warpbreaks[order(warpbreaks$breaks, decreasing = TRUE), ], 3)

a7s <- sqldf("select * from warpbreaks order by breaks desc limit 3")#關鍵詞order by,desc表示降序

row.names(a7r) <- NULL

identical(a7r, a7s)