使用 dplyr 中转换后的数据替换 SQL 数据库表

我经常在 dplyr 中转换数据时替换数据，尤其是在处理大型数据集时。当我使用 SQL 支持的数据集时，我不知道如何优雅地做到这一点，至少不是使用 SQLite。

我在 dplyr DB vignettes 或 SO 中找不到任何关于这个目标的讨论，这也让我想知道我所做的事情是否有问题；然而，这似乎是处理大型数据集的自然方式。

无论如何，最直观的方法是行不通的：

library(dplyr)
library(RSQLite)

db2 <- src_sqlite("trouble.sqlite", create = TRUE)
trouble <- data.frame(values = c(5, 1, 3))
trouble.db <- copy_to(db2, trouble, temporary = FALSE)

collect(trouble.db) # 5, 3, 1

trouble.db <- trouble.db %>% arrange(values)
collect(trouble.db) # 1, 3, 5

trouble.in <- tbl(db2, sql("SELECT * from trouble"))
collect(trouble.in) # 5, 3, 1

就地复制的另一种直观语法给出了“表已存在”错误：

trouble.db <- copy_to(db2, as.data.frame(trouble.db), name="trouble", temporary = FALSE)

一种解决方案是手动删除表并重建它，这就是我一直在做的事情：

db2$con %>% db_drop_table(table = "trouble")
trouble <- collect(trouble.db)
trouble.db <- copy_to(db2, trouble, temporary = FALSE)

另一种是放弃替换并创建一系列临时表，我觉得这不美观，但我认为这可能是推荐的范例：

trouble_temp <- data.frame(values = c(5, 1, 3))
trouble_temp.db <- copy_to(db2, trouble_temp, temporary = TRUE)
trouble <- trouble.db %>% arrange(values)
trouble.db <- copy_to(db2, trouble, temporary = FALSE)

我怀疑“删除并重新复制”最终会成为答案，但出于对美丽解决方案的热爱，我想我会问是否有更好的方法。

对于多年后发现这一点的人来说。

该声明

trouble.db %>% arrange(values)

创建一个 SQL 查询，该查询发送到数据库并在您执行操作时执行collect结果。

我们可以看到SQL是这样的

trouble.db %>% arrange(values) %>% show_query()

SELECT *
FROM `trouble`
ORDER BY `values`

显然，这样的查询无法修改它正在查询的实际数据。

要修改数据，我们可以使用dbWriteTable函数从DBI package

library(dplyr)
library(RSQLite)

# Will use this connection object for all our DB interactions
con <- DBI::dbConnect(RSQLite::SQLite(), dbname = ":memory:")

trouble <- data.frame(values = c(5, 1, 3))
trouble.db <- copy_to(con, trouble, temporary = FALSE)

collect(trouble.db) # 5, 3, 1

# This is just a query
trouble.db <- trouble.db %>% arrange(values)
collect(trouble.db) # 1, 3, 5

# The data shouldn't be modified yet
trouble.in <- tbl(con, sql("SELECT * from trouble"))
collect(trouble.in) # 5, 3, 1

# Now we are modifying the data
DBI::dbWriteTable(
  con, "trouble", collect(trouble.db),
  overwrite = TRUE
)

tbl(con, sql("SELECT * from trouble")) %>% collect() # 1, 3, 5