[R] 以不變應萬變-SQL in R

        只要有用到資料庫，那一定會學到SQL(Structured Query Language-結構化查詢語言)的語法，SPSS和SAS也有類似的語法或套件，SAS EG更是大量使用SQL的語法。雖然版本很多，但是SQL的語法大同小異，在剛使用R的時候，由於對其他的指令還不熟悉，馬上就搜尋有無SQL的套件可以使用--有的，叫做SQLdf(http://cran.r-project.org/web/packages/sqldf/index.html)




        SQLdf套件採用的是SQLite(http://www.sqlite.org/index.html)，支援標準的SQL語法，也有包含常用的aggregate指令，對於熟悉SQL語法結構的人來說相當的方便。

        SQL最基本的語句是SELECT：程式流程如下(來源：http://www.codedata.com.tw/database/mysql-tutorial-basic-query/)

        在R裡面長得像這個樣子

	library("sqldf")
	x <- sqldf("
	SELECT gender, age, sum(icome)
	FROM client
	GROUP BY gender, age
	ORDER BY gender, age
	")

view raw gistfile1.r hosted with ❤ by GitHub

        使用時呼叫sqldf物件，SQL指令要用" "雙引號夾住，就能將SQL的查詢結果存到x裡面，查詢的結果是個data.frame物件。

        sqldf除了簡單的查詢與聚合指令外，也支援複雜的指令(包括子查詢與條件句)：

	good_ing <- sqldf("
	SELECT a.*,b.max,
	CASE #這一段是說用max來recode變項
	WHEN b.max >= 80 THEN '80up' #
	WHEN b.max >= 60 and b.max < 80 THEN '60-80' #
	WHEN b.max >= 40 and b.max < 60 THEN '40-60' #
	WHEN b.max < 40 THEN '40under' #
	END AS ingLevel #<--將recode的變項重新命名
	FROM goodInfo as a,
	(SELECT id, max(per) as max
	FROM goodInfo
	GROUP BY id
	ORDER BY id) as b #<--這邊是子查詢
	WHERE a.id = b.id #<--這邊是說我把兩個表格合併的條件變項
	GROUP BY id
	ORDER BY id
	")

view raw gistfile1.r hosted with ❤ by GitHub

由於sqldf用雙引號夾住sql指令，因此sql指令中間沒辦法在接受以"#"為開頭的註解，這點使用上必須注意。

另外需要注意的是，有時用我們在r裡面的變項名稱會用a.column1的方式來命名，但是這樣的變項名稱若在sqldf指令中使用時，會與原本sql內建的" . "混淆(sql中"a.b"的意思代表來自a表格中的b欄)，在欄位命名上需要注意這點。

圖片來源：http://digijustin.com/2007/03/23/selecting-random-row-from-a-sql-select-statement/