
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
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08