R(5): sql 数据处理

sqldf程序包是R语言中实用的数据管理辅助工具，但最新版本的包在处理中文时出现乱码，待解决

Usage:  sqldf(x, stringsAsFactors = FALSE,  row.names = FALSE...)

• row.names: 为True时，行名重命名不重新命名
• 需安装sqldf 包： install.packages("sqldf")
• 加载如下包：

  library(gsubfn)
  library(proto)
  library(RSQLite)
  library(DBI)
  library(tcltk)
  library(sqldf)

• 取前几行数据示例

  > x <-head(iris,2)
  > y <- sqldf("select * from iris limit 2")
  > #比较两个数据框是否相同
  > identical(x,y)
  [1] TRUE
  > y
    Sepal.Length Sepal.Width Petal.Length Petal.Width Species
  1          5.1         3.5          1.4         0.2  setosa
  2          4.9         3.0          1.4         0.2  setosa

• like提取数据子集

  > #取出物种列中以se开头的数据子集
  > a2r <- subset(iris, grepl("^se", Species))
  > a2s <- sqldf("select * from iris where Species like 'se%'")
  > all.equal(as.data.frame(a2r), a2s)
  [1] TRUE

• in 提取子集

  > #在iris数据集中，选出量物种是setosa和virginica的行
  > a3r <- subset(iris, Species %in% c("setosa", "virginica"))
  > a3s <- sqldf("select * from iris where Species in ('setosa', 'virginica')")#注意单引号和双引号
  >
  > #a3r选的是子集，因而行名还是与原数据集相同
  > row.names(a3r) <- NULL
  > identical(a3r, a3s)
  [1] TRUE

• 数据合计

  > head(iris,2)
    Sepal.Length Sepal.Width Petal.Length Petal.Width Species
  1          5.1         3.5          1.4         0.2  setosa
  2          4.9         3.0          1.4         0.2  setosa
  >  aggregate(iris[1:2], iris[5], mean) #计算物种前两个变量的平均值
       Species Sepal.Length Sepal.Width
  1     setosa        5.006       3.428
  2 versicolor        5.936       2.770
  3  virginica        6.588       2.974
  >  sqldf('select Species, avg("Sepal.Length") ,  avg("Sepal.Width")   from iris group by Species')
       Species avg("Sepal.Length") avg("Sepal.Width")
  1     setosa               5.006              3.428
  2 versicolor               5.936              2.770
  3  virginica               6.588              2.974

• order by

  > head(warpbreaks,2)
    breaks wool tension
  1     26    A       L
  2     30    A       L
  > head(warpbreaks[order(warpbreaks$breaks, decreasing = TRUE), ], 2)
    breaks wool tension
  5     70    A       L
  9     67    A       L
  > sqldf("select * from warpbreaks order by breaks desc limit 2")
    breaks wool tension
  1     70    A       L
  2     67    A       L