在 R 中使用 RJDBC 插入数据时定义列类

Question

我正在尝试从 R 中的 HANA 数据库导入一个非常大的数据集。RJDBC 包的问题之一是所有带有字符的列都作为字符列类型加载。在我们的例子中，将列作为一个因子加载会更有效，因为只有几个唯一值。是否可以在 RJDBC 调用中的某个地方定义 col 类，以及在哪里进行 col 类转换？如果在 HANA 中执行因子转换，那就太好了，因为它将减少必须传输到 R 的 GB 数。 示例代码：

dbFetch(dbSendQuery(conn = hana_connection, statement = 'select CHAR_COL FROM TABLE_NAME'))

在文档 https://www.rforge.net/RJDBC/，他们谈论的是所需的DBML语句。

Answer 1

这确实是RJDBC的问题。 使用RODBC将字符值读取为因子可以正常工作(并且易于实现(。

ch<-odbcConnect("S12")
fact<-sqlQuery (ch, 'SELECT TOP 50 'x'||DIM10 as CHARCOL from FACT order by DIM10  asc') 
str(fact)
odbcClose(ch)
str(fact)
'data.frame':   50 obs. of  1 variable:
$ CHARCOL: Factor w/ 1 level "x0": 1 1 1 1 1 1 1 1 1 1 ...

撇开所有这些不谈，通常不是将大量数据从HANA获取到R中的最佳方法。相反，最好在移动数据之前应用所有必需的转换和筛选器。