R语言︱ 数据库SQL-R连接与SQL语句执行（RODBC、sqldf包）

要学的东西太多，无笔记不能学~~ 欢迎关注公众号，一起分享学习笔记，记录每一颗“贝壳”~

———————————————————————————

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

print?

1. #安装RODBC包
2. install.packages("RODBC")
3. library(RODBC)
4. mycon<-odbcConnect("mydsn",uid="user",pwd="rply")
5. #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
6. data(USArrests)
7. #将R自带的“USArrests”表写进数据库里
8. sqlSave(mycon,USArrests,rownames="state",addPK=TRUE)
9. #将数据流保存，这时打开SQL Server就可以看到新建的USArrests表了
10. rm(USArrests)
11. #清除USArrests变量
12. sqlFetch(mycon, "USArrests" ,rownames="state")
13. #输出USArrests表中的内容
14. sqlQuery(mycon,"select * from USArrests")
15. #对USArrests表执行了SQL语句select，并将结果输出
16. sqlDrop(channel,"USArrests")
17. #删除USArrests表
18. close(mycon)
19. #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<-sqldf("select * from one union select * from two")
   #合并后去重,rbind是合并后不去重
UNION_all<-sqldf("select * from one union all select * from two")
   #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<-sqldf("select * from one EXCEPT select * from two")

#INTERSECT——交集
INTERSECT<-sqldf("select * from one INTERSECT select * from two")

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<- merge(table1, table2, by = "id", all = F);inner1  #筛选相同id，F为只连接匹配到的，T为没有匹配到的赋值NA
  id a b
1  3 c e
> inner2<-inner_join(table1, table2, by = "id");inner2   #与merge完全一致
  id a b
1  3 c e
> inner3<-sqldf("select * from table1 as a inner join table2 as b on a.id=b.id");inner3 #内连接
  id a id b
1  3 c  3 e
> inner4<-sqldf("select * from table1 as a,table2 as b where a.id=b.id");inner4  #笛卡尔积
  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<- merge(table1, table2, by = "id", all.x = TRUE);left1  #按照id连接所有信息包括进去
  id a    b
1  1 a <NA>
2  2 b <NA>
3  3 c    e
> left2<-left_join(table1, table2, by = "id");left2
  id a    b
1  1 a <NA>
2  2 b <NA>
3  3 c    e
> left3<-sqldf("select * from table1 as a left join table2 as b on a.id=b.id");left3
  id a id    b
1  1 a NA <NA>
2  2 b NA <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