时间戳

首页 > 解决方案 > 在 R 中使用 RODBC 创建循环 SQL QUERY

r - 在 R 中使用 RODBC 创建循环 SQL QUERY

问题描述

首先，感谢您抽出宝贵时间查看我的问题，无论您是否回答！

我正在尝试创建一个函数，该函数循环遍历我的 df 并使用 R 中的 RODBC 包从 SQL 中查询必要的数据。但是，我在设置查询时遇到了麻烦，因为查询的参数在每次迭代中都会发生变化（例如以下）

所以我的 df 看起来像这样：

     ID     Start_Date    End_Date    
     1       2/2/2008      2/9/2008
     2       1/1/2006      1/1/2007
     1       5/7/2010      5/15/2010
     5       9/9/2009      10/1/2009

我将如何在我的 sql 程序中指定开始日期和结束日期？

这是我到目前为止所拥有的：

 data_pull <- function(df) {
    a <- data.frame()
    b <- data.frame()

    for (i in df$id)
{ 
    dbconnection <- odbcDriverConnect(".....")

    query <- paste("Select ID, Date, Account_Balance from Table where ID = (",i,") and Date > (",df$Start_Date,") and Date <= (",df$End_Date,")")

    a <- sqlQuery(dbconnection, paste(query))
    b <- rbind(b,a)
 }
  return(b)
 }

但是，这不会查询任何内容。我相信这与我如何指定迭代的开始和结束日期有关。

如果有人可以在这方面提供帮助，将不胜感激。如果您需要进一步的解释，请不要犹豫！

标签： rrodbc

解决方案

当前设置会出现几个语法问题：

  1. 循环：您不会遍历数据帧的所有行，而只会遍历单列中的原子 ID 值，df$ID. 在同一个循环中，您将整个向量传递给查询连接。df$Start_Datedf$End_Date

  2. 日期：您的日期格式与“YYYY-MM-DD”的大多数数据库日期格式不一致。还有一些其他的，比如 Oracle，你需要字符串到数据的转换：TO_DATE(mydate, 'YYYY-MM-DD').

前面提到的几个性能/最佳实践问题：

  1. 参数化：虽然出于安全原因不需要参数化，因为您的值不是由可以注入恶意 SQL 代码的用户输入生成的，但为了可维护性和可读性，建议使用参数化查询。因此，考虑这样做。

  2. 不断增长的对象：根据 Patrick Burn 的Inferno Circle 2：Growing Objects，R 程序员应避免在循环中增长多维对象（如数据帧），这会导致内存中的过度复制。相反，建立一个数据帧列表，rbind 一旦在循环之外。

话虽如此，您可以通过将数据框保存为数据库表然后连接到最终表以进行过滤、连接查询导入来避免任何循环或列表需求。这假设您的数据库用户具有CREATE TABLE权限DROP TABLE。

# CONVERT DATE FIELDS TO DATE TYPE
df <- within(df, {
          Start_Date = as.Date(Start_Date, format="%m/%d/%Y")
          End_Date = as.Date(End_Date, format="%m/%d/%Y")
})

# SAVE DATA FRAME TO DATABASE
sqlSave(dbconnection, df, "myRData", rownames = FALSE, append = FALSE)

# IMPORT JOINED AND DATE FILTERED QUERY
q <- "SELECT ID, Date, Account_Balance 
      FROM Table t
      INNER JOIN myRData r 
        ON r.ID = t.ID 
        AND t.Date BETWEEN r.Start_Date AND r.End_Date"

final_df <- sqlQuery(dbconnection, q)

推荐阅读