使用 dplyr 过滤 postgreSQL 数据库中的多个值

Posted 2023-03-30

【中文标题】使用 dplyr 过滤 postgreSQL 数据库中的多个值

【英文标题】：Filter multiple values in postgreSQL database with dplyr

【发布时间】：2015-01-05 23:09:14

【问题描述】：

我想过滤一个 postgres 数据库，以便将数据的子集带入 R 进行分析。我可以通过单个条件（选择单个 featureid）成功过滤，但不能通过值向量进行过滤。例如，如果我这样设置与数据库的连接

library(dplyr)
db <- src_postgres(dbname = 'conte_dev', host = '155.0.0.x', port = '1234', user = '...', password = '...')
tbl_daymet <- tbl(db, 'daymet')

如果我过滤到单个值，它就可以工作

  tbl_filtered <- tbl_daymet %>%
    dplyr::filter(featureid == 739554)

tbl_filtered

Source: postgres 9.3.5 [conte@127.0.0.1:5432/conte_dev]
From: daymet [12,410 x 9]
Filter: featureid == 739554 

   featureid       date     tmax     tmin  prcp    dayl  srad  vp   swe
1     739554 1980-01-18  -1.9375 -12.2500 0.000 32140.8 199.6 240 100.5
2     739554 1980-01-19   1.1250  -3.4375 0.000 32140.8 100.4 480  99.0
3     739554 1980-01-20   0.0000  -7.5000 0.000 32486.4 160.4 360  99.0
4     739554 1980-01-21  -6.5000 -15.7500 0.000 32486.4 193.6 180  99.0
5     739554 1980-01-22 -11.8125 -18.7500 0.000 32486.4 156.8 140  99.0
6     739554 1980-01-23  -6.4375 -16.5000 3.000 32832.0 157.2 160 102.5
7     739554 1980-01-24  -6.8750 -19.0000 3.125 32832.0 178.0 120 105.0
8     739554 1980-01-25 -15.0000 -23.0625 0.000 32918.4 184.4  80 105.0
9     739554 1980-01-26  -9.9375 -20.7500 0.000 33177.6 229.2 120 105.0
10    739554 1980-01-27  -7.0625 -15.9375 0.000 33177.6 202.4 165 105.0
..       ...        ...      ...      ...   ...     ...   ... ...   ...

但是，如果我尝试过滤到 featureid 中的一组值

catches <- c(739554, 739554)
tbl_derived_metrics <- tbl_daymet %>%
    dplyr::filter(featureid %in% catches)

我收到一个错误

postgresqlExecStatement(conn, statement, ...) 中的错误：RS-DBI 驱动程序：（无法检索结果：错误：语法错误或 在“739554”附近第 3 行：在 739554 中的“featureid”位置 ^ ) 另外：警告消息：在 postgresqlQuickSQL(conn, statement, ...) 中：无法创建 执行SELECT count(*) FROM (SELECT "featureid", "date", "tmax", “tmin”、“prcp”、“dayl”、“srad”、“vp”、“swe”来自“daymet” "featureid" IN 739554) 作为 "master"

如果它是 R 中的数据框而不是 postgres 中的链接表，我相信这会起作用。但是，我需要先进行过滤，因为该表包含数十亿行。我可以使用与 postgres 相关的特殊命令吗？无论我使用字符还是整数，当前代码都不起作用。

【问题讨论】：

仅供参考，这是 dplyr 中的一个未解决问题：github.com/hadley/dplyr/issues/511

【参考方案1】：

在filter 函数中使用%in% 如果它们只是单个值而不是具有多个值的向量，则不起作用。

它作为一个带有ifelse 语句的函数用于具有 1 个或多个值的情况。

retreiveDaymet <- function(catchmentid, num.catch) 
  catches <- catchmentid[1:num.catch]
  if(num.catch == 1) 
    tbl_derived_metrics <- tbl_daymet %>%
      dplyr::filter(featureid == catches)
   else 
    tbl_derived_metrics <- tbl_daymet %>%
    dplyr::filter(featureid %in% catches)
  

  derived_metrics <- collect(tbl_derived_metrics)
  return(derived_metrics)

然后可以这样使用

catchment.numbers <- rep(c(1, 10, 50, 100, 200, 400, 800, 1000, 1500, 2000, 2500, 3000), each = 3)
daymet.times <- data.frame(matrix(NA, length(catchment.numbers), 4))
for(i in 1:length(catchment.numbers)) 
  time1 <- system.time(foo <- retreiveDaymet(catchmentid = catchmentid, num.catch = catchment.numbers[i]))
  daymet.times[i, ] <- c(catchment.numbers[i], time1[1:3])
  rm(foo)
  rm(time1)
  gc(verbose = FALSE)

names(daymet.times) <- c("num.catchments", names(system.time(1+1))[1:3])

这个例子有点傻，因为foo每次都被扔掉了。这仅用于计时目的。将来，此代码可以添加一个函数来每次使用 foo 执行某些操作，并将其附加到数据帧或列表中。