Question

考虑以下SQL：

    SELECT D.product_name
      FROM business.payment P
 LEFT JOIN dim.product_name D 
        ON D.product_id = P.product_id

查询返回支付表中的product_names列表，并根据连接执行此操作。

如何将这样的东西复制到dplyr而不会进入内存？我正在使用数据库连接。

我尝试了以下内容，但无济于事：

product_name <- 
  business %>% 
  tbl('dim_product') 

business %>% 
  tbl('payment') %>% 
  left_join(product_name, by = 'product_id') %>% 
  select(product_name) %>% 
  collect()

我搜索得相当大，似乎没有人解决这个问题。

谢谢！

Answer 1

这已经过了一段时间，但也许你还在寻找或好奇dplyr基于动词的选项。我正在为我的工作处理同样的问题，并遇到了你的（某种）未回答的问题。当我使用DBI和odbc包对MSSQL数据库运行时，下面的内容适用于我。

我在加入之前从表中选择了感兴趣的列，因为这通常是查询数据库时的最佳做法。 dplyr连接函数默认会执行自然连接，因此您可能不必明确提供by参数。

db_con <- DBI::dbConnect(
  drv = odbc::odbc(),
  dsn = <data source name>
)

db_con %>%
  tbl("table1") %>%
  select(col1, col2, col3) %>%
  left_join(
    db_con %>% tbl("table2") %>% select(col3,  col4, col5)
  )

Answer 2

您可以在dplyr中使用任意SQL：

tbl(my_data, sql("SELECT * FROM flights"))

请注意，这与通过R通过任何其他方式查询数据库没有什么不同，例如RODBC。

当然，一旦通过查询将提取的数据导入到R中，提取的数据总是在内存中。它根本不在内存中的一种方式是使用RPostgres或RODBC等来发送SQL查询，并使用它在数据库中创建一个新表并且从不导出数据到R。

dplyr sql加入

2 个答案: