R语言：数据库SQL-R连接与SQL语句执行（RODBC、sqldf包）

数据库是极其重要的R语言数据导入源数据之地，读入包有sqldf、RODBC等。跟SQL server相连有RODBC，跟MySQL链接的有RMySQL。但是在R里面，回传文本会出现截断的情况，这一情况可把我弄得有点手足无措。
一、数据库读入——RODBC包
CRAN 里面的包 RODBC 提供了 ODBC的访问接口：
    odbcConnect 或 odbcDriverConnect （在Windows图形化界面下，可以通过对话框选择数据库） 可以打开一个连接，返回一个用于随后数据库访问的控制（handle）。 打印一个连接会给出ODBC连接的一些细节，而调用 odbcGetInfo 会给出客户端和服务器的一些细节信息。
    在一个连接中的表的细节信息可以通过函数 sqlTables 获得。
    函数 sqlSave 会把 R 数据框复制到一个数据库的表中， 而函数 sqlFetch 会把一个数据库中的表拷贝到 一个 R 的数据框中。
    通过sqlQuery进行查询，返回的结果是 R 的数据框。（sqlCopy把一个 查询传给数据库，返回结果在数据库中以表的方式保存。） 一种比较好的控制方式是首先调用 odbcQuery， 然后 用 sqlGetResults 取得结果。后者可用于一个循环中 每次获得有限行，就如函数 sqlFetchMore 的功能。
    连接可以通过调用函数 close 或 odbcClose 来关闭。 没有 R 对象对应或不在 R 会话后面的连接也可以调用这两个函数来关闭， 但会有警告信息。
[plain] view plain copy
 print?在CODE上查看代码片派生到我的代码片
    #安装RODBC包  
    install.packages("RODBC")   
    library(RODBC)  
    mycon<-odbcConnect("mydsn",uid="user",pwd="rply")  
    #通过一个数据源名称（mydsn）和用户名（user）以及密码（rply，如果没有设置，可以直接忽略）打开了一个ODBC数据库连接 
    data(USArrests)  
    #将R自带的“USArrests”表写进数据库里  
    sqlSave(mycon,USArrests,rownames="state",addPK=TRUE)  
    #将数据流保存，这时打开SQL Server就可以看到新建的USArrests表了  
    rm(USArrests)  
    #清除USArrests变量 
    sqlFetch(mycon, "USArrests" ,rownames="state")  
    #输出USArrests表中的内容  
    sqlQuery(mycon,"select * from USArrests")  
    #对USArrests表执行了SQL语句select，并将结果输出 
    sqlDrop(channel,"USArrests")  
    #删除USArrests表  
    close(mycon)  
    #关闭连接 
本段来自R语言︱文件读入、读出一些方法罗列（批量xlsx文件、数据库、文本txt、文件夹）
1、sqlSave函数
[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片
    sqlSave(channel, dat, tablename = NULL, append = FALSE,  
            rownames = TRUE, colnames = FALSE, verbose = FALSE,  
            safer = TRUE, addPK = FALSE, typeInfo, varTypes,  
            fast = TRUE, test = FALSE, nastring = NULL) 
其中这个函数的使用还是很讲究的，参数的认识很重要。
append代表是否追加，默认不追加，如果一张已经有数据的表，就可以用append追加新的数据，需要同样的column，一般开个这个就行。
rownames，可以是逻辑值，也可以是字符型。
colnames，列名；
verbose，默认为FALSE，是否发送语句到R界面，如果TRUE，那么每条上传数据就会出现在命令栏目致之中。
addPK,是否将rownames指定为主键。
2、sqlUpdate函数
[html] view plain copy
print?在CODE上查看代码片派生到我的代码片
    sqlUpdate(channel, dat, tablename = NULL, index = NULL,  
              verbose = FALSE, test = FALSE, nastring = NULL,  
              fast = TRUE) 
更新已经存在的表格，需要包括已经存在的列。
——————————————————————————————————————————————
二、sqldf包
本包的学习来自CDA DSC课程，L2-R语言第四讲内容，由常老师主讲。与RODBC的区别在于，前面是直接调用数据库SQL中的数据；而该包是在R语言环境中，执行SQL搜索语言。
组合使用：RODBC从数据库读入环境，sqldf进行搜索（适合SQL大神）。
其他函数的类似功能可以看：R语言数据集合并、数据增减
1、SQL基本特点
SQL语句语句特点：先全局选择，再局部选择
Select * from sale where year=2010 and ...
where后面可以接很多，有比较运算符，算数运算符，逻辑运算符。
比较运算符号：=(等于，不是双引号)；!=（不等于）；>，<，>=，<=
算数运算符：*，/，+，-
逻辑运算符：&&(and,与)， ||（or，或） ，!（,not非）
2、数据筛选与排序
数据筛选可以有subset函数，排序有order/sort函数
[html] view plain copy
print?在CODE上查看代码片派生到我的代码片
    #选择表中指定列*/  
    sqldf("select year,market,sale,profit from sale") 
    #选择满足条件的行*/  
    sqldf("select * from sale where year=2012 and market='东'")  
       #语句特点，先抽取全局数据，然后再执行局部选择  
       #字符单引号，切记 
    #对行进行排序*/  
    sqldf("select year,market,sale,profit  
          from sale  
          order by year") 
数据筛选：sqldf可以执行选择表中指定指标、满足条件的行（注意：抽取满足条件的行的字符时，字符型需要用单引号），语法结构是：
select  指标名称 from 数据集 where 某指标=条件 
排序order：按照某变量排序，语法结构：
select 指标名称（或全部）from 数据集 order by 指标名称
3、数据合并——纵向连接
数据合并的方法很多，基本函数包中有merge、cbind/rbind，以及一些专业的包plyr、dplyr、data.table等
rbind/cbind对数据合并的要求比较严格：合并的变量名必须一致；数据等长；指标顺序必须一致。
sqldf就不会这么苛刻，并参照了一些集合查询的方法（关于基础包的集合查询可参考：R语言︱集合运算）。
（1）并——union
[html] view plain copy
print?在CODE上查看代码片派生到我的代码片
    UNION3<-sqldf("select * from one union select * from two")  
       #合并后去重,rbind是合并后不去重  
    UNION_all<-sqldf("select * from one union all select * from two")  
       #all可以支持，合并后不去重 
rbind/cbind是将数据一股脑子全部帖在一起，只合并不去重；sqldf则可以自行选择，语法结构：
select * from 数据集1 union (all) select * from 数据集2
其中的all代表不去重，一起加进来。
（2）差(except)、交（Intersect）
[html] view plain copy
print?在CODE上查看代码片派生到我的代码片
    #EXCEPT_差集  
       #不存在all  
    EXCEPT<-sqldf("select * from one EXCEPT select * from two") 
    #INTERSECT——交集  
    INTERSECT<-sqldf("select * from one INTERSECT select * from two") 
差集就是找两个数据集的不同的数据，而且是数据集1中，去掉重复的数值；并集则是两个数据集的重合（去重可以用）之处。
4、数据合并——横向连接
横向连接有三种类型：交叉连接（笛卡尔乘积，大乱炖所有数据重新排列组合合并起来，一般在实验设计涉及全排列的时候可以很好地使用）、内连接（筛选匹配到的数据）、外连接。

其中，sqldf 中的右连接、全连接已经失效，一般情况下会大多选择左联结。
（1）内连接——匹配到完全一致的
[html] view plain copy
print?在CODE上查看代码片派生到我的代码片
    > inner1<- merge(table1, table2, by = "id", all = F);inner1  #筛选相同id，F为只连接匹配到的，T为没有匹配到的赋值NA  
      id a b  
    1  3 c e  
    > inner2<-inner_join(table1, table2, by = "id");inner2   #与merge完全一致  
      id a b  
    1  3 c e  
    > inner3<-sqldf("select * from table1 as a inner join table2 as b on a.id=b.id");inner3 #内连接  
      id a id b  
    1  3 c  3 e  
    > inner4<-sqldf("select * from table1 as a,table2 as b where a.id=b.id");inner4  #笛卡尔积  
      id a id b  
    1  3 c  3 e 
匹配到完全一致、相同的，基础包merge=dplyr的inner_join=sqldf包中的inner join。当然输出结果中，sqldf中会蹦出来两个id，可以进行删除。
其中sql包中的Inner join语法结构为：
select * from 数据集1 as a      inner join   数据集2  as b on a.指标名称=b.指标名称
（2）左连接——最有效，以数据集1为准，匹配到的+为匹配到的
[html] view plain copy
print?在CODE上查看代码片派生到我的代码片
    > left1<- merge(table1, table2, by = "id", all.x = TRUE);left1  #按照id连接所有信息包括进去  
      id a    b  
    1  1 a <NA>  
    2  2 b <NA>  
    3  3 c    e  
    > left2<-left_join(table1, table2, by = "id");left2  
      id a    b  
    1  1 a <NA>  
    2  2 b <NA>  
    3  3 c    e  
    > left3<-sqldf("select * from table1 as a left join table2 as b on a.id=b.id");left3  
      id a id    b  
    1  1 a NA <NA>  
    2  2 b NA <NA>  
    3  3 c  3    e 
基础包中的merge，当all=F就是内连接，all=T就是全连接，all.x=T就是左联结，all.y=T就是右连接（merge函数首选all=T,全连接）；dplyr中的left_join也可以实现merge,all=T效果
sqldf中的语法结构：
select * from 数据集1 as a left join 数据集2as b on a.指标名称=b.指标名称
4、数据去重
[html] view plain copy
print?在CODE上查看代码片派生到我的代码片
    #删除重复的行*/  
    sqldf("select DISTINCT  year from sale")  
解读：distinct跟unique去重功能差不多，语法特点：
select DISTINCT 指标名称 from 数据集
——————————————————————————————————————————————————————
应用一：R语言中文本回传SQL出现截断(truncated )现象，怎么办？
      R语言中用sqlSave函数，把文本回传的时候回出现这样的问题，文本超过255个字符的会出现截断truncated现象，因为回传到SQL之后，规定的字符数即为varchar(255)，所以会出现截断现象。
      如果出现这样的截断现象该如何解决呢？
      解决办法一：修改SQL Server的字符
      先创建一个表，然后把那个字符型格式修改为varchar(4000)，或者其他格式，不能修改成max，会报错，造成Rstudio崩溃。当然，也可以先sqlSave一个版本过去（就几条内容），然后修改一下格式之后，继续append追加内容进行。
      SQL Server 2008中在修改数据类型的时候，会报错，一直保存不了，需要按照以下的内容设置一下：
[html] view plain copy
print?在CODE上查看代码片派生到我的代码片
    选择菜单 工具-〉选项-〉表设计器（Designers）-〉表设计器和数据库设计器table and database designers。然后去掉“ 阻止保存要求重新创建表的更改”（prevent saving changes that require table re-creation）前面的勾。重新启动MSSQL SERVER 2008可以解决该问题。
      但是笔者在尝试该办法的时候，总是修改之后就卡死，所以无奈选择第二条路。
      解决办法二：从R中导出然后导入SQL Server
      笔者尝试过，导出csv/txt但是直接用SQL Server内嵌工具，“SQL Server Import and export Wizard”对于csv/txt导入都十分麻烦，导入出现很多问题。
      所以最后是用csv-转excel-用上述工具导入。
      问题一：R语言中，用write.csv时候，用office打开，多出了很多行？
      如果文本字符长度很大，那么就会出现内容串到下面一行的情况，譬如10行的内容，可能变成了15行。好像office默认单个单元格的字符一般不超过2500字符，超过就会给到下一行。
      所以笔者在导入5W条数据时候，多出了很多行，于是只能手动删除。
      如果用txt格式导出，用Notepad++打开是好的，但是用excel打开又多出来不少行，所以用excel打开是用代价的。
      但是由于excel是最好的导入SQL的格式，于是不得不手工删除，同时牺牲一部分的内容。
      问题二：如何使用SQL Server Import and export Wizard？
      1、choose a Data Source界面（注意勾选，在第一个数据行中显示列名称）
      2、Data Source中，有Flat File Source 栏目，就是用来做csv、txt格式的；还有一个excel选项是专门针对excel
      3、导入数据界面，你需要输入服务器名称，已经相应的数据库名称；
      4、选择源表和源视图，你可以通过”目标“栏目新建，也可以导入已经有的表格，当然第一次导入，笔者推荐直接导入新表，注意看检查一下下面的一个栏目”编辑映射“
      5、运行语句。
      其中，如果你是第二次导入已经有的表，那么在第四步，”编辑映射“时，就需要看清楚是否与已有的数据列表一一对应。
      同时，如果第二次导入的表有表头名称，只要第一步勾选列名称，也是没有关系的，导入后不算入数据之中。