Question

我有一个保存在AWS redshift中的表，它有很多行，我想只使用＆＃34; user_id＆＃34;来收集它们的一部分。柱。我正在尝试使用R和dplyr库来完成此任务（见下文）。

conn_dplyr <- src_postgres('dev',
                       host = '****',
                       port = ****,
                       user = "****", 
                       password = "****")
 df <- tbl(conn_dplyr, "redshift_table")

但是，当我尝试对用户ID的集合进行子集时，它会失败（见下文）。有人可以帮助我理解我如何能够通过一组用户id元素收集数据表吗？个人呼叫工作，但当我将它们组合时，它都失败了。在这种情况下，只有2个用户ID，但一般来说可能是数百或数千，所以我不想单独做每一个。谢谢你的帮助。

df_subset1 <- filter(df, user_id=="2239257806")
df_subset1 <- collect(df_subset1)

df_subset2 <- filter(df, user_id=="22159960")
df_subset2 <- collect(df_subset2)

df_subset_both <- filter(df, user_id==c("2239257806", "22159960"))
df_subset_both <- collect(df_subset_both)

Error in postgresqlExecStatement(conn, statement, ...) : 
RS-DBI driver: (could not Retrieve the result : ERROR:  operator does not     exist: character varying = record
HINT:  No operator matches the given name and argument type(s). You may need to add explicit type casts.
)

Answer 1

试试这个：

df_subset_both <- filter(df, user_id %in% c("2239257806", "22159960"))

Answer 2

您还可以在从redshift上传的查询中添加条件。

    install.packages("RPostgreSQL")
    library(RPostgreSQL)
    drv <- dbDriver("PostgreSQL")
    conn <-dbConnect(drv,host='host link',port='5439',dbname='dbname',user='xxx',password='yyy')
   df_subset_both <- dbSendQuery(conn,"select * from my_table where user_id in (2239257806,22159960)")

使用R dplyr从redshift数据库中过滤表

2 个答案: