按一个变量排序，按另一个分组，然后在 R 中的 SQL Query 中选择第一行

Posted 2023-05-07

【中文标题】按一个变量排序，按另一个分组，然后在 R 中的 SQL Query 中选择第一行

【英文标题】：Sort by one variable, group by another, and select first row in SQL Query in R

【发布时间】：2021-12-07 22:35:09

【问题描述】：

我需要在 SQL 中应用一个从 R 开始对我来说很容易的过程，但在 SQL 中确实很曲折。

我需要将数据按两个变量从高到低排序，根据另一个变量分组，然后选择每个组中的第一项。

我留下了我试图从 R 传递到 SQL 的代码。不幸的是，在尝试将一种语言转换为另一种语言时，dbplyr 包向我抛出了一个错误：错误：first() 仅在窗口化 (mutate()) 上下文中可用

library(tidyverse)
library(dbplyr)
con <- DBI::dbConnect(RSQLite::SQLite(), ":memory:")
copy_to(con, mtcars)

mtcars2 <- tbl(con, "mtcars")
mtcars2

mtcars2 %>% 
  arrange(-mpg,-disp) %>% 
  group_by(cyl) %>% 
  summarise(hp = first(hp)) %>% 
  show_query()

在我看来，DISTINCT ON 功能可以帮助我。

感谢您的帮助。

【参考方案1】：

也许是以下？

library(tidyverse)
library(dbplyr)

con <- DBI::dbConnect(RSQLite::SQLite(), ":memory:")
copy_to(con, mtcars)

mtcars2 <- tbl(con, "mtcars")

mtcars2 %>%
  arrange(-mpg,-disp) %>%
  group_by(cyl) %>%
  mutate(hp = first(hp)) %>% 
  select(cyl, hp) %>% 
  distinct %>% 
  show_query

#> <SQL>
#> SELECT DISTINCT `cyl`, FIRST_VALUE(`hp`) OVER (PARTITION BY `cyl` ORDER BY -`mpg`, -`disp`) AS `hp`
#> FROM `mtcars`
#> ORDER BY -`mpg`, -`disp`

见：https://github.com/tidyverse/dbplyr/issues/129

【讨论】：

非常感谢，我正在测试代码（原表很大）。我遵循了您的代码，但在按 cyl 分组后删除了对我来说似乎不必要的 distinct() 函数

我猜你真的需要distinct，@NicolasRatto！ mutate 没有总结，因此会得到很多重复的行！我通过在mtcars 上运行代码确认了这一点。

你说得对，我不知道为什么我认为变异是一个总结。我会回去测试不同的。

当我用我的真实数据测试它时，我得到以下错误：当指定 SELECT DISTINCT 时，ORDER BY 中的项目必须出现在选择列表中

它通过删除最后一行 ORDER BY 代码对我有用。非常感谢您的帮助。