Question

如何在dplyr中使用dbplyr执行GROUP BY ... HAVING查询？

我有一个ID列表，我必须按不在此列表中的ID进行分组。如果没有，我可以用tbl()直接执行查询吗？dplyr谓词是什么？

使用dplyr中的group_by_if函数似乎没有实现。

我想执行

SELECT * FROM TBL 
WHERE YEAR(DATE) = 2001
GROUP BY COL1 HAVING COL2 NOT IN ID_LIST

其中ID_LIST是R向量

Answer 1

对于您给出的示例，我不清楚如何实现

SELECT * FROM TBL
WHERE YEAR(DATE) = 2001
GROUP BY COL1
HAVING COL2 NOT IN ID_LIST

不同于

SELECT * FROM TBL
WHERE YEAR(DATE) = 2001
AND COL2 NOT IN ID_LIST
GROUP BY COL1

因此，@ Rohit建议使用过滤器是一种有效的解决方案。

HAVING的操作方式与WHERE大致相同，但是在添加了附加功能后，您可以在HAVING子句中使用聚合器。参见this discussion。但是在这种情况下，您不会在HAVING子句中应用聚合器，因此您应该可以随意使用WHERE子句。

关于dbplyr产生的嵌套SQL查询。鉴于通常强调干净的，可读性强的代码，这似乎有点违反直觉，但是对于dbplyr自动生成的查询，我建议不要担心机器生成的代码的质量。它是由机器编写的，并且（通常）是由机器读取的，因此它的可读性不太重要。

效率可能与许多嵌套层有关。但是，在2017-06-09中，为dbplyr提供了基本的SQL优化器。我还没有发现（尽管我还没有进行广泛的测试）嵌套自动生成的查询要比未嵌套的用户编写的查询的性能明显差。但是，如果性能至关重要，则您可能希望通过paste将R中的文本字符串组合在一起来手动构建SQL查询。

一个最后的想法-ID_LIST的长度也很重要。在this问题中进行了讨论。

GROUP BY ...拥有dbplyr

1 个答案: