Question

我正在对存储在sqlserver中的一些大型表进行一些数据处理，创建索引有时会减少某些R脚本运行所需的时间。我尝试使用mutate的{{1}}函数创建一个具有连续编号的新列（dplyr），然后使用该idx列作为索引。但mutate函数似乎不起作用，并不断给我这个错误：

idx

现在我正在做一些对我来说非常愚蠢的事情，以及绕过＆＃34;绕过＆＃34;上面的错误信息：

> tbl(channel,'tbl_iris') %>% mutate(idx=1:n())
Error in from:to : NA/NaN argument
In addition: Warning message:
In 1:n() : NAs introduced by coercion\

有没有更好的方法呢？谢谢！

更新01

我按照@Phil的建议尝试iris <- tbl(channel,'tbl_iris') %>% collect %>% mutate(idx=1:n()) try(db_drop_table(channel,'##iris')) copy_to(channel,iris,'##iris',temporary=FALSE) db_create_index(channel,'##iris',columns='idx')，它无效并显示以下错误消息：

mutate(idx = row_number())

更新02

我尝试了@Moody_Mudskipper建议的方式，似乎有效

> tbl(channel,'##iris') %>%
+   mutate(idx=row_number())
Error: <SQL> 'SELECT  TOP 10 "Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width", "Species", row_number() OVER () AS "idx"
FROM "##iris"'
  nanodbc/nanodbc.cpp:1587: 42000: [Microsoft][ODBC SQL Server Driver][SQL Server]The function 'row_number' must have an OVER clause with ORDER BY. 
> tbl(channel,'##iris') %>%
+   arrange(Species) %>%
+   mutate(idx=row_number())
Error: <SQL> 'SELECT  TOP 10 "Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width", "Species", row_number() OVER (ORDER BY "Species") AS "idx"
FROM (SELECT *
FROM "##iris"
ORDER BY "Species") "kwtundzona"'
  nanodbc/nanodbc.cpp:1587: 42000: [Microsoft][ODBC SQL Server Driver][SQL Server]The ORDER BY clause is invalid in views, inline functions, derived tables, subqueries, and common table expressions, unless TOP, OFFSET or FOR XML is also specified.

我将尝试修改我的脚本，看看与之前更愚蠢的方法相比，这是否会提供类似的性能提升。

除了下面显示的错误消息外，我希望事情按计划进行。

> try(db_drop_table(channel,'##iris'))
[1] 0
> copy_to(channel,iris,'##iris',temporary=FALSE)
> tbl(channel,'##iris') %>% head(.,1)
# Source:   lazy query [?? x 5]
# Database: Microsoft SQL Server 11.00.6251[dbo@WCDCHCMS9999\CMSAH_DC7_999/data_xx_yyy]
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
         <dbl>       <dbl>        <dbl>       <dbl> <chr>  
1         5.10        3.50         1.40       0.200 setosa 
> 
> DBI::dbSendQuery(channel,"ALTER TABLE ##iris ADD idx INT IDENTITY(1,1) NOT NULL")
<OdbcResult>
  SQL  ALTER TABLE ##iris ADD idx INT IDENTITY(1,1) NOT NULL
  ROWS Fetched: 0 [complete]
       Changed: 0
> db_create_index(channel,'##iris',columns='idx')
[1] 0
Warning message:
In new_result(connection@ptr, statement) : Cancelling previous query
> tbl(channel,'##iris') %>% head(.,5)
# Source:   lazy query [?? x 6]
# Database: Microsoft SQL Server 11.00.6251[dbo@WCDCHCMS9999\CMSAH_DC7_999/data_xx_yyy]
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species   idx
         <dbl>       <dbl>        <dbl>       <dbl> <chr>   <int>
1         5.10        3.50         1.40       0.200 setosa      1
2         4.90        3.00         1.40       0.200 setosa      2
3         4.70        3.20         1.30       0.200 setosa      3
4         4.60        3.10         1.50       0.200 setosa      4
5         5.00        3.60         1.40       0.200 setosa      5

Answer 1

据我所知，您无法使用dbplyr向服务器端的现有表添加列，但对于这样的简单查询，使用DBI::dbSendQuery来获得所需效果同样容易。以下行将创建一个id列：

DBI::dbSendQuery(channel, "ALTER TABLE tbl_iris ADD ID INT IDENTITY(1,1) NOT NULL")

然后，您可以使用dplyr::db_create_index创建索引或发送另一个查询：

 DBI::dbSendQuery(channel, "CREATE INDEX id ON tbl_iris (id);")

创建连续的整数，然后使用dplyr为存储在sqlserver中的表创建索引

更新01

更新02

1 个答案: