
这个包最近的跟新版貌似可以直接安装了,之前的版本还需要各种配置。
installed.packages("DBI") #这个包是使用RMySQL的前提
installed.packages("RMySQL")
二、RMySQL常用函数
1、dbConnect() 建立与数据库链接的函数
drv:MySQL()
dbname:链接的数据库的名称
username:连接数据库的用户名
password:连接数据库的密码
host:如果是本地数据库可以略过,否则填写需要链接的地址
port:链接的服务器地址的端口
例子:本地数据库 :conn <- dbConnect(MySQL(),dbname = "test",username = "test",password = "123")
非本地数据库:conn <- dbConnect(MySQL(),dbname = "test",username = "test",password = "123",host = "100.0.0.0",port = 3306)
2、dbSentQurey() 修改返回的数据编码类型
有的时候建立链接后,读取的数据是乱码,那么就需要这个函数来修改
conn:就是dbConnect的变量名称
“SET NAMES utf8”or“SET NAMES gbk”或者其他的编码类型
例子:dbSentQurey(conn = conn,“SET NAMES utf8”)
3、dbGetQuery() 返回查询结果
建好链接,改好编码格式,就可以用这个函数获取需要的数据啦
conn:就是dbConnect的变量名称
statement:就是一条SQL语句
例子:dbGetQuery(conn = conn ,"select * from test")
4、dbDisconnect() 关闭链接
RMySQL一般可以建立16个链接,超过后会报错,所以每次用完之后要记得用这个函数关掉,以免跑循环的时候断掉,得不偿失。
例子:dbDisconnect(conn)
5、dbListTables() 返回数据库内所有表的名字
这个没啥说的了,你要是想看都有什么表就输入一个就好了
例子:dbListTables(conn)
6、dbWriteTable() 将R的数据写到mysql数据库的表中
conn:就是dbConnect的变量名称
name:将写入数据的表名称
value:要写入表的数据,一个数据框,或者转化成数据框
row.names:是否写入行编号
overwrite:是否覆盖写入
append:追加写入
例子:dbWriteTable(conn = conn,name = "test",value = "data",row.names = FALSE,append = TRUE)
三、参考的完整代码
library(DBI)
library(RMySQL)
library(data.table)
conn <- dbConnect(MySQL(),dbname = "xplatform",username = "xplatform",password = "xplatform")#建立连接
dbSendQuery(conn,"SET NAMES gbk") #声明编码类型
test_data <- dbGetQuery(conn,"select * from Rtest_data") #读数据
data <- data.table(NO = 1:10,NUm = 2:6) #建立一个数据框
dbWriteTable(conn,test_data,data,row.names = F,append) #将数据框data追加写入到test_data中
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28