查询和修改 SQL Server 数据（SQL Server 和 RevoScaleR 教程）

项目
05/30/2023

适用于： SQL Server 2016 (13.x) 及更高版本

这是 RevoScaleR 教程系列的第 3 个教程，介绍如何在 SQL Server 中使用 RevoScaleR 函数。

在上一教程中，已将数据加载到 SQL Server 中。在本教程中，可以使用 RevoScaleR 浏览和修改数据：

返回有关变量的基本信息
从原始数据创建分类数据

分类数据或“因子变量”对于探索性数据可视化非常有用。可以将它们用作直方图的输入，从而对变量数据有一个大致的了解。

查询列和类型

使用 R IDE 或 RGui.exe 运行 R 脚本。

首先，获取列及其数据类型的列表。使用函数 rxGetVarInfo，并指定想要分析的数据源。根据 RevoScaleR 的版本，还可以使用 rxGetVarNames 。

rxGetVarInfo(data = sqlFraudDS)

结果

Var 1: custID, Type: integer
Var 2: gender, Type: integer
Var 3: state, Type: integer
Var 4: cardholder, Type: integer
Var 5: balance, Type: integer
Var 6: numTrans, Type: integer
Var 7: numIntlTrans, Type: integer
Var 8: creditLine, Type: integer
Var 9: fraudRisk, Type: integer

创建分类数据

所有变量都作为整数存储，但某些变量表示分类数据（在 R 中称为“因子变量”）。例如，“州”列包含用作 50 个州以及哥伦比亚特区的标识符的数字。为了更加轻松地理解数据，可将数字替换为州名的缩写列表。

在此步骤中，创建包含缩写的字符串矢量，然后将这些分类数据映射到原始整数标识符。然后使用 colInfo 参数中的新变量，以指定将此列作为因子处理。分析数据或移动数据时，将使用缩写并将该列作为一个因子进行处理。

将列作为用作因子前将其映射到缩写也可真正提高性能。有关详细信息，请参阅 R 和数据优化。

首先，创建一个 R 变量 stateAbb，并定义要添加到其中的字符串的向量，如下所示。

stateAbb <- c("AK", "AL", "AR", "AZ", "CA", "CO", "CT", "DC",
    "DE", "FL", "GA", "HI","IA", "ID", "IL", "IN", "KS", "KY", "LA",
    "MA", "MD", "ME", "MI", "MN", "MO", "MS", "MT", "NB", "NC", "ND",
    "NH", "NJ", "NM", "NV", "NY", "OH", "OK", "OR", "PA", "RI","SC",
    "SD", "TN", "TX", "UT", "VA", "VT", "WA", "WI", "WV", "WY")

接下来，创建名为 ccColInfo 的列信息对象，该对象指定现有整数值到分类级别（州名的缩写）的映射。

此语句还为 gender 和 cardholder 创建因子变量。

ccColInfo <- list(
gender = list(
          type = "factor",
          levels = c("1", "2"),
          newLevels = c("Male", "Female")
          ),
cardholder = list(
              type = "factor",
              levels = c("1", "2"),
              newLevels = c("Principal", "Secondary")
               ),
state = list(
         type = "factor",
         levels = as.character(1:51),
         newLevels = stateAbb
         ),
balance = list(type = "numeric")
)

若要创建使用已更新数据的 SQL Server 数据源，可像先前一样调用 RxSqlServerData 函数，但需添加 colInfo 参数。
```
sqlFraudDS <- RxSqlServerData(connectionString = sqlConnString,
table = sqlFraudTable, colInfo = ccColInfo,
rowsPerRead = sqlRowsPerRead)
```
- 对于 table 参数，可传入变量 sqlFraudTable ，其中包含之前创建的数据源。
- 对于 colInfo 参数，可传入 ccColInfo 变量，其中包含列数据类型和因子级别。

现在可使用函数 rxGetVarInfo 查看新数据源中的变量。

rxGetVarInfo(data = sqlFraudDS)

结果

Var 1: custID, Type: integer
Var 2: gender  2 factor levels: Male Female
Var 3: state   51 factor levels: AK AL AR AZ CA ... VT WA WI WV WY
Var 4: cardholder  2 factor levels: Principal Secondary
Var 5: balance, Type: integer
Var 6: numTrans, Type: integer
Var 7: numIntlTrans, Type: integer
Var 8: creditLine, Type: integer
Var 9: fraudRisk, Type: integer

现在，指定的三个变量（gender、state 和 cardholder）将被视为因子。

后续步骤

定义并使用计算上下文

通过

查询和修改 SQL Server 数据（SQL Server 和 RevoScaleR 教程）

查询列和类型

创建分类数据

后续步骤

反馈

其他资源