Microsoft SQL Server Management Studio 中的 R 脚本

Posted 2023-02-15

【中文标题】Microsoft SQL Server Management Studio 中的 R 脚本

【英文标题】：R scripts in Microsoft SQL Server Management Studio

【发布时间】：2022-01-16 22:59:59

【问题描述】：

我的问题是我无法理解这个环境的错误信息。我认为这是非常模糊的。现在我不明白问题出在哪里。

EXEC sp_execute_external_script
  @language = N'R',
  @script = N'
    count = 0; x=1; y=2; m="that is good until here"
    data = as.vector(data);
    for(i in data)
        if(data[y]>data[x])count=count+1; x=x+1; y=y+1
        elsex=x+1; y=y+1;
    count <- data.frame(count)',
    @output_data_1_name = N'count',
    @input_data_1_name = N'data',
    @input_data_1 = N'SELECT alcohol FROM [wine].[dbo].[wineT]'

【问题讨论】：

你能让这个 R 代码在没有 sql-server 或 ssms 的情况下在 R 控制台上工作吗？

是的，但这不是主要工作。他们使用这种方式只是为了测试。我将这段代码运行到 Rstudio，它运行良好。

奇数。如果data 是data.frame，那么as.vector(data) 也是一个框架，这意味着for(i in data) 将迭代每一列（即唯一的列）。这样，在for 循环的第一次也是唯一一次迭代中，i 是一个向量，表示alcohol 是什么，我们会说一个numeric 的向量，长度大于1。继续，data[y]是data[2]，它失败，因为y 是2 而data 是单列框架。请原谅我持怀疑态度，但您的问题不可重复，而且您断言它有效的说法似乎值得怀疑。

我建议您通过提供示例数据使该脚本的 R 部分可重现。请参阅***.com/q/5963269、minimal reproducible example 和 ***.com/tags/r/info。然后edit 你的问题并添加来自dput(x) 的输出，其中x 是一个小的代表性样本。请在没有 sql 的情况下在控制台上显示实际（预期）输出。

是的，你真的是对的......我将“as.vector”更改为“unlist”，然后我收到“需要真/假的缺失值”的错误，然后我修复了这个错误，你猜怎么着？答对了。它解决了。顺便说一句，我没有很好的编程知识。并感谢您指导我。

【参考方案1】：

未经测试，试试这个：

EXEC sp_execute_external_script
  @language = N'R',
  @script = N'
    data = unlist(data);
    count = data.frame(count = sum(data[-length(data)] > data[-1]);',
  @output_data_1_name = N'count',
  @input_data_1_name = N'data',
  @input_data_1 = N'SELECT alcohol FROM [wine].[dbo].[wineT]'

问题：

as.vector 对data.frame 的作用不大，因此转移到unlist(data)；

您的missing value 错误是因为您将y 扩展到超出data 的长度。例如，在 R 控制台上，我可以使用以下命令重现错误：

for (i in data)  if (data[y] > data[x])  count=count+1; x=x+1; y=y+1 else x=x+1; y=y+1 
# Error in if (data[y] > data[x])  (from #1) : missing value where TRUE/FALSE needed
count
# [1] 4
x
# [1] 10
y
# [1] 11

由于length(data) 是10，那么data[y] 是data[11] 是NA。这导致NA > 3 的条件返回NA，这在if 条件下不起作用。 （仅供参考，if 条件必须始终为长度 1，并且必须明确“真实”，即 TRUE 或 FALSE，或 0 为假而其他任何内容为真的数字。）

另一种方法是创建 i 作为 data 上的索引从 2 开始。

count <- 0
for(i in seq_along(data)[-1])  if (data[i-1] > data[i])  count=count+1 ; x=x+1; y=y+1; 
count
# [1] 4

其中seq_along(data) 产生（在此示例中）1:10，但[-1] 删除了第一个1，因此我们可以安全地 索引从2 到data 的长度。

不过，更好的是，我们根本不需要循环：您要做的就是将每个值（第一个值除外）与前一个值进行比较，然后计算前一个数字大多少倍。 R 向量化得非常好，因此我们可以在一个表达式中确定满足该条件的表达式，然后sum 以同样快的速度提升它们。

data
#  a1  a2  a3  a4  a5  a6  a7  a8  a9 a10 
#   1   5  10   8   2   4   6   9   7   3 
data[-length(data)] > data[-1]
#    a1    a2    a3    a4    a5    a6    a7    a8    a9 
# FALSE FALSE  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE 

和sum(..) 得到我们需要的结果。

【讨论】：

我运行你的答案，我得到一个错误，所以我稍微改变你的代码。我从 data.frame 函数中得到“count”计算，然后计算“count”的 data.frame。这次我得到了没有错误的结果。但我认为结果不正确。

我回答了 Advent of Code 2021 的第一个问题......所以我知道答案是 1451，但你的代码给了我 548。我知道我只能使用 R，而不是 R 脚本在 SQL 中......但它是用于培训的。顺便说一句，我非常感谢您的帮助

如果您的问题包括已知样本数据和预期结果，我将能够提供更多帮助。我用相当简单的数据 (data <- data.frame(a=sample(10))) 进行了测试，它似乎有效。除非您分享，否则我无法测试您的数据。请参阅 ***.com/q/5963269、minimal reproducible example 和 ***.com/tags/r/info，了解有关可重现问题的说明。

【参考方案2】：

我知道这不是一个整洁有效的答案，但我用这段代码得到了正确的答案。

  EXEC sp_execute_external_script
      @language = N"R",
      @script = N"
        count=0; x=1; y=2; z=NA;
        data = unlist(data);
        for(i in data)
            if(is.na(z))z=FALSEelse
            if(data[y]>data[x])count=count+1; x=x+1; y=y+1
            elsex=x+1; y=y+1;
        count <- data.frame(count)",
        @output_data_1_name = N"count",
        @input_data_1_name = N"data",
        @input_data_1 = N"SELECT column1 FROM [wine].[dbo].[data]"